复杂网络中基于代理的方法研究综述外文翻译资料

 2021-11-25 22:35:04

英语原文共 28 页

复杂网络中基于代理的方法研究综述

Hale KIRER1

Yasemin Asu Ccedil;IRPICI

摘要

网络由代理其他们的活动组成。主流经济学的大量研究集中在具有相同特征主体的活动上。然而,很明显,现实与理想情况是完全不同的。事实上,经济系统涉及到许多异构的主体及其复杂的相互作用。为了克服经典视角的这一弱点,近年来研究的方向已转向复杂网络。基于代理的建模与仿真(ABMS)是分析这类系统的有力工具。模型使交互代理能够单独评估它们的地位,并根据配置系统的一组规则来做出决策。本研究旨在通过研究复杂网络中基于代理的建模方法的应用范围来指导研究人员。在此基础上,首先对复杂性和复杂系统作了简要的说明。然后对基于代理的社交网络建模应用研究进行了文献综述,并对一些有前景的应用提出了建议。

关键词:复杂网络,基于代理的建模,复杂性经济学。

JEL分类:C63, C69

1. 介绍

经济作为一个整体行为不能被孤立个体的行为所检验(Konig和Battiston, 2009)。事实上,这通常是用标准经济学理论来检验的。在理想的竞争中,独立的个体在不考虑他人的情况下做出决定,并且他们自己无法影响的价格体系的互动。但是,个体的行为是自主的吗?在假定行为完全优化的普遍平衡中,人们将极其复杂的推理和计算能力归因于代理(Kirman, 1997)。事实上,代理会考虑所有可能的行为以及其他所有可能的行为。此外,假设每个代理都可以与其他代理交互和交易,当我们要研究大型系统时,我们会发现这显然是不现实的。更现实的做法是形成一个系统,在这个系统中,个人可以做出价格决策,并限制他们所处的环境和理性(Konig和Battiston, 2009)。我们可以通过假设代理并不同时与经济中的所有其他代理交互,而是随机地与有限数量的其他代理相遇,或者其中一个可以形成一个模型,其中只与邻居交互(Kirman, 1997)。

无论如何,我们必须强调这样一个事实,即经济反映了大量不同主体之间的动态交互,而不仅仅是几个关键参与者,这使得很难在总体水平上预测结果。因此,有必要仔细分析系统的运作原理,以及如何将其追溯到底层交互网络的结构特性(Schweitzer, 2009a)。

网络必须由内而外地进化。如果是这样,那么演化就来自于代理使用可用链接的经验。个体会学习和适应他们的行为,这些个体的学习与适应的行为最终回使网络结构的进化,反过来反馈给代理形成或切断链接。(Konig和Battiston, 2009)。

复杂网络在许多科学领域都得到了广泛的研究。特别是在2000年,有很多关于复杂网络的研究。Strogatz (2001), Dorogovtsevs (2009), Albert 和Barabagrave;si (2002), Newman (2003), Souma (2003), Amaral 和 Ottino (2004), Watts (2004), Carayol 和 Roux (2005), Boccaletti, Latora, Moreno, Chavez, M., amp; Hwang (2006), Grobbelaar 和 Ulieru (2007), Schweitzer, Fagiolo, Sornette, Vega-Redondo, White (2009a) 和 Mieghem (2011)可以作为例子。自然本身包含许多复杂的系统。可见,物理系统和非物理系统具有相似的网络结构。大脑、组织、食物网、万维网、疾病等等都是复杂网络的例子。从经济学角度看,全球经济是一个国家经济的网络,是市场的网络,市场本身就是生产者和消费者相互作用的网络(Wang and Chen, 2003)。根据Amaral和Ottino(2004)的研究,网络理论是可以应用于描述、分析和理解复杂系统的最明显的身体知识片段之一。因此,复杂网络理论是复杂网络研究中最基本的组成部分之一。

基于代理的模型(ABMs)是研究复杂网络的理想方法。(一般而言,ABMs在研究复杂自适应系统方面的潜在有用性分析请参见Tesfatsion 2001。)它们使我们能够描述这些代理以及它们之间的相互作用。它们可能涉及许多方面,我们需要形成更现实的模型,如异质性、随机性、内生进化、学习和适应行为。

本研究旨在为基于代理的复杂网络建模研究提供一个切入点。以这种方式,我们会简单地讨论这个方法,并给出不同的可能应用,以显示不同的应用机会,并为每种应用提供一些阅读建议。就我们而言,在这方面还没有详细的调查和范围。因此,我们认为,它可能会指导该领域的新的研究人员,希望他们能看到如何和在哪里应用这种方法。

在下一节复杂性中,将简要解释复杂系统和基于代理的理论。然后讨论了复杂网络及其应用。

2. 复杂性、复杂系统和基于代理的建模

复杂性是一个复杂的词,它包含了许多异构的相互作用的含义。在20世纪80年代,它一直与动态联系在一起。“复杂动力学”表达式常被用作混沌或混沌动力学。在经济学中,混沌运动具有局部不稳定性和全局稳定性的同时性。随着时间的推移,这个词的含义发生了些许的变化,因此限定词复合体通常与具有异质相互作用的主体的经济结构的工作相关联。在这个方向上,所谓的复杂性科学声称复杂系统有共同的属性,这是许多不同领域的研究对象(Gatti, Gaffeo, Gallegati, Giulioni amp; Palesttini,2008)。Ferreira(2001)认为复杂系统,可以说是很复杂的,因为它是由众多的元素不断地相互作用,自发地组织和重组成越来越复杂的结构。复杂的系统包含许多内部组件。这些组件动态交互。有许多层次或尺度,表现出共同的行为。这里,“规模”一词被用作“规模经济”或“经营规模”,意指活动的规模。规模和复杂性的平衡使我们能够理解社会系统是如何组织的,以及社会的历史变化是如何导致一个网络化的全球社会(Bar-Yam)。

在复杂性框架中,基于代理的建模(ABM)是理解和研究复杂系统的重要工具。ABM的目的是模拟基于个体交互作用的系统动力学的出现。计算机科学的高度创新使ABM得以迅速发展。因此,基于计算代理的模型已经在社会科学,特别是经济学,以及其他领域中流行起来。在自然科学和工程中,计算机仿真大多是基于方程建模的。然而,在社会科学中很难使用这种方法。此时,可以用基于代理的计算建模或多代理仿真来代替。这里的代理是原子概念的自然扩展,原子概念用于描述物理系统(Iyetomi, Aoyama, Fujiwara, Ikeda, amp; Souma, 2009)。因此,在经济学和社会系统中,代理可以根据问题表达个人、群体、公司或国家及其互相之间的作用。代理的行为和交互主要通过规则来指定,比如if-then类型的规则或逻辑操作。这种情况使它更加灵活。此外,可以考虑行为规则中的个体变化(“异质性”)和随机影响变化(“随机性”)(Helbing and Balietti, 2012)。简而言之,基于计算代理模型的经济学革命可以概括为(editor, 2007): -异构性(而不是同质性)决策过程就是社会经济系统的特征;-有限信息和理性下的适应和进化动力学。

3.应用程序

具有比经典随机图更复杂结构的网络通常称为复杂网络(Dorogovtsev, 2009)。复杂网络作为一门科学,对于描述、分析和建模自然界和社会中的复杂系统至关重要。可以说,复杂网络包含了现实世界中几乎所有重要的网络分析;如电话流量分析、疾病传播动态、音乐创作和股市波动(Tse, 2008)。为了理解复杂网络的重要性,有必要追溯其起源并研究其应用。因此,在本节中,将评估和阐述经济学和物理学的结合如何能够更好地理解复杂的网络,并在不同的部门中发展它们的更复杂的应用

20世纪80年代,经济系统和物理系统之间的相似性开始引起物理学家的兴趣。在这一范围内,1995年H. Eugene Stanley首次将“经济物理学”引入一个新的研究领域,自此以后,经济物理学的研究有了巨大的增长。然而,近年来网络科学的研究方向发生了变化。这个新领域解决了理解经济体系,特别是金融市场,并解释其影响的需要。根据这一观点,有了系统行为的知识,甚至有可能影响市场动态(社论,2013)。复杂网络方法忽略了复杂的细节,通过识别部件并描述它们之间的交互,将重点放在抽象的系统级描述上(Onnela, 2006)。

复杂网络已被图论和离散数学所主导。在一些研究中,网络的特征有三个量:聚类系数、平均路径长度和程度分布。聚类系数衡量的是典型邻域的团性,平均路径长度衡量的是网络中两个节点之间的典型距离,度分布描述的是找到具有一定边数的节点的概率(Souma, Fujiwara, amp; Aoyama, 2003)。

有两篇开创性的论文激发了物理学家对网络的研究。其中之一是d.j. Watts和s.h. Strogatz在1998年的《小世界网络的集体动态》,另一个是Barabasi和Albert在1999年的《随机网络中规模的出现》。Watts和Strogatz提出了一个关于小世界网络的模型。根据作者的观点,真实世界的网络既不是完全有序的,也不是完全随机的,而是显示了两者的重要特性(Watts, 2004)。模型中,小世界以一个最近邻耦合网络开始,以概率p随机重组网络的每条边。当p=0时,原始环不变;随着p的增加,曲线变得越来越混乱,直到p=1 (Watts and Strogatz, 1998)。该模型平均路径长度低,聚类系数高,程度呈指数分布。巴拉巴斯和阿尔伯特的模型也被称为“无尺度模型”。根据该模型,许多大型网络的一个共同特性是顶点连接服从无标度幂律分布。除了这个属性,网络还通过添加新的顶点和附加到已经连接良好的站点上的新顶点来不断扩展。对于后一种模型,可以说平均路径长度较低,聚类系数不清楚,程度分布为幂律。在这里,可以预期,在所有已经获得详细数据的系统中观察到的尺度不变状态是许多复杂网络的一个通用属性,包括商业网络、社交网络、交通等等(Barabasi, amp; Albert, 1999)。

如前所述,在这两篇论文之后,人们对复杂网络的兴趣逐渐增加。这种兴趣也涉及经济问题。因此,有大量关于经济学的论文,由“物理学家和数学家”和“经济学家”共同撰写。在这些研究中使用了不同的技术。基于代理的建模是其中一个备受研究者关注的问题。关于基于代理的建模在社交网络分析中的应用的详细描述,以及其优缺点可以在Franchi and Poggi(2012)中找到。

基于代理的模型有许多应用,如扩散、扩散、学习、金融、影响最大化、同质性、博弈、能源、贸易和运输。其中许多也适用于社交网络框架。Garcia(2005)的工作中,在动态系统中使用ABM的成本和收益分析了应用的三个主要领域:创新的扩散、组织策略、知识和信息流。

Bergenti、Franchi和Poggi(2013)也讨论了基于代理的模型的优点。本文提出了一种将传统网络转换为基于代理的模型的方法。对一些经典模型进行了评述,并给出了这些网络的特征。然后,讨论了如何将这些模型转换为基于代理的模型。为了简化这种转换,建立了一个元模型,并使用不同的并发技术应用了两个仿真系统。此外,还讨论了他们为运行基于代理的仿真而构建的软件工具。

弗兰奇(2012 b)基本模型Watts-Strogatz (WS)(美国瓦茨和“1998)和Barabasi-Albert (BA)(巴斯和艾伯特,1999)以及所谓的偏见优惠附件(BPA) (Kumar诺瓦克和汤姆金斯,2006)和传递链接(TL)(戴维森——伊贝尔,Bornholdt 2002)模型,并创建一个元模型,考虑了现有网络的基本共同的特征模型,这个模型并给予他们描述一个基于主体的系统。因此,他描述了如何将被动的实体节点转移到主动的节点,因为它们是自主的、主动的、潜在的学习代理。他们提出的系统旨在简化分析网络模型和基于代理的模型之间的转换。

其中一个突出的应用领域是扩散。传播可以是信息的传播、新技术的传播、疾病的传播、“口碑”在新产品推广中的作用、电脑病毒的传播等。

我们可以将以这种方式完成的工作结合在两个广泛的主题中:知识传播和流行病。前者可能包括创新、新产品或新技术的传播。Pyka, Gilbert and Ahrweiler (2009), and, Guardiola, Diaz-Guilera, Perez, Arenas and Llas(2002)分析了创新网络。前者采用的模型具有不确定性和不完善的信息,而后者引入了更新技术水平的成本。费用被证明是信息传播的一个阻碍因素,但为了保证技术概况的最佳增长,这些费用是必要的。

该网络框架自然适合分析疾病的传播。我们观察到,对病毒传播的研究主要使用两种不同的模型,即SIS(易受感染-易感染)和SIRS(易受感染-难感染-易感染)(Zhoe和Gao, 2007)。这两种模型都考虑了两种类型的个体“S”即易感人群和“I”即受感染人群。这些模型的不同之处在于,在SIS模型当病人治愈他们翻译成易感个体而在众位模型存在第三种类型称为“R”代表了那些可能被治愈和后天免疫或死去,从疾病中恢复的人翻译成“R”他们不敏感(周,云龙和程,2014)。

基于代理的模型通常与这些模型有相似之处。一个例子是Mei, Sloot, Quaxa, Zhub, and Wang(2010)的研究,该研究与SIR模型相似,他们使用灵活的混合复杂代理网络方法研究阿姆斯特丹同性恋男性中的艾滋病毒流行。分析表明,该模型结果与阿姆斯特丹队列研究的历史数据相一致,并且对于输入参数的微小变化,结果具有较强的鲁棒性。因此,该模型可以用来预测未来HIV的发展趋势。

研究人员特别关注扩散的方式和速度。这使得他们分析了网络结构与“传染性”之间的关系。例如,对于生产者来说,分析新产品或新技术的知识将如何传播是很重要的。研究表明,扩散

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。