Карты и функции

Агент-ориентированные модели. Ч. 2

Модель Шеллинга демонстрирует несколько контр-интуитивных эффектов, например, что при небольших порогах гомогенные области образуются быстрее, в то время как слишком высокие требования к числу похожих соседей могут вызвать цепные реакции перемещений агентов, так что равновесие в системе почти недостижимо, а уровень гомогенизации кратковременно падает. У модели - множество ваиантов с разными условиями игры. По ссылке - простая реализация на R.

Модель Шеллинга - пример агент-ориентированных моделей (agent-based models, ABM). В отличие от детерминистских моделей, такие модели включают элементы стохастичности (случайности поведения игроков). И если, несмотря на наличие случайности, множество симуляций приводит к одному и тому же результату, который не был заложен в модель напрямую, т.е. возникает равновесие, схожее с закономерностями, наблюдаемыми в реальном мире, это означает, что предположения о механизмах формирования этих закономерностей могут быть правдивы.

О модели Шеллинга я впервые прочитал в книге Networks, Crowds, and Markets (2010) by David Easley and Jon Kleinberg. Это классный учебник по теории игр и сетевому анализу, в котором также можно найти примеры из экологии, транспорта и других дисциплин.

www.group-telegram.com/br/mapsandfunctions.com/102

453 viewsMar 14 at 10:26

Агент-ориентированные модели. Ч. 2

Модель Шеллинга демонстрирует несколько контр-интуитивных эффектов, например, что при небольших порогах гомогенные области образуются быстрее, в то время как слишком высокие требования к числу похожих соседей могут вызвать цепные реакции перемещений агентов, так что равновесие в системе почти недостижимо, а уровень гомогенизации кратковременно падает. У модели - множество ваиантов с разными условиями игры. По ссылке - простая реализация на R.

Модель Шеллинга - пример агент-ориентированных моделей (agent-based models, ABM). В отличие от детерминистских моделей, такие модели включают элементы стохастичности (случайности поведения игроков). И если, несмотря на наличие случайности, множество симуляций приводит к одному и тому же результату, который не был заложен в модель напрямую, т.е. возникает равновесие, схожее с закономерностями, наблюдаемыми в реальном мире, это означает, что предположения о механизмах формирования этих закономерностей могут быть правдивы.

О модели Шеллинга я впервые прочитал в книге Networks, Crowds, and Markets (2010) by David Easley and Jon Kleinberg. Это классный учебник по теории игр и сетевому анализу, в котором также можно найти примеры из экологии, транспорта и других дисциплин.

BY Карты и функции