多智能体仿真方法在网络意识形态研究中的应用

以多智能体理论与多智能体仿真方法研究应用为例,围绕网络意识形态的传播问题进行理论分析与构建其仿真模型,并通过仿真运行分析。研究发现:做好高校网络意识形态传播,要保障一定规模的宣传工作机构高效运行,同时要以优质内容传播为基础条件提高传播效率,结合适当的传播方式与渠道以巩固传播影响力,并使宣传效果消退期进一步缩短,对做好宣传教育工作有积极意义。

多范式人工社会建模与多智能体仿真平台框架

ACP(Artificial Society,Computational Experiments,Parallel Execution)方法是一种新的解决突发事件应急管理的理论方法。基于ACP方法和多范式建模理论,提出了多范式人工建模方法及其运行支撑多智能体仿真环境,利用模型变换支持人工社会多领域建模,改造基于组件的并行仿真支撑形成支持FIPA(Foundation for Intelligent Physical Agents)协议的多智能体仿真引擎。以此为基础,最后提出了多范式人工社会建模与多智能体仿真平台框架。包括人工社会建模环境、人工社会运行环境和人工社会实验环境。该框架同时也是"非常规突发事件模拟仿真与计算实验集成升华平台"的重要支撑。

基于多智能体仿真的交通诱导系统效率评价

为了研究基于可变情报板的交通诱导系统对交通资源利用效率的优化效果,利用多智能体仿真模型开发了仿真与评价平台。对3种典型交通诱导策略进行了仿真实验,采用平均行驶时间、平均巡泊时间和停车失败率的指标评价了诱导效果。结果表明:行车诱导和停车诱导分别对平均行驶时间和停车失败率有改善效果,并且交通诱导系统在不同交通需求水平下对交通运行状态和停车资源使用状况的影响存在差异性,在发布诱导信息时,需要综合考虑交通需求水平和诱导策略。

集成复杂网络与多智能体仿真的人肉搜索效率研究

为了探究人肉搜索中网民所处的网络拓扑及其性质对人肉搜索效率的影响,本文基于多智能体建模仿真的方法,从网民线下搜索、线上交流的微观层面构建人肉搜索仿真系统,将时间成本作为效率的评价指标,基于Python Network X实现了仿真系统。在平均度较小时,无标度网络下人肉搜索效率有明显优势,控制无标度网络的核心节点可以有效减缓人肉搜索效率,小世界网络重连概率在0.1左右人肉搜索效率最高;平均度较大时,小世界网络下人肉搜索效率有一定优势,单调的增加或减少平均度对人肉搜素效率的影响不明显,小世界网络重连概率的影响不明显,控制无标度网络核心节点的影响不明显。基于多智能体的人肉搜索仿真系统从微观层面对网民线下搜索、线上交流的过程进行模拟,得到网民所处网络结构对人肉搜索效率的影响规律,有助于政府和网络平台利用和控制人搜索现象,实现网络虚拟空间的和谐健康发展。

网络环境差异下的新产品扩散多智能体仿真

本文基于复杂网络视角,从微观层面对新产品扩散问题进行了研究。结合心理学、社会学和博弈论构建个体决策行为模型,并设计出一种智能学习方法来实现消费者间的互动。在Anylogic上建立多Agent模型,考虑局部网络效应和全局网络效应,探究网络结构差异下,消费者决策的演化规律和特点。研究发现:(1)网络结构和网络效应差异下,消费者决策演化整体趋势基本一致;(2)全局网络效应下,无标度网络的扩散速度最快,在局部网络效应下,小世界网络和无标度网络的扩散速度明显落后于随机网络;(3)小世界网络和无标度网络信息传递能力强,能获得更佳的扩散结果;(4)由于无标度网络度分布的异质性,特别是在局部网络效应下,群体决策的波动性非常明显。

多智能体仿真技术在多机器人系统中的应用

首先对多智能体系统及多智能体仿真技术进行简要的介绍,并引入了SeSam多智能体仿真环境。然后基于多智能体技术及SeSam仿真工具。

基于多智能体仿真的城市轨道交通限流策略

针对高峰时段城市轨道交通线路过饱和客流的运输效率问题,基于地铁线路的网络拓扑结构与客流需求矩阵,建立了以客运周转量最大为目标的城市轨道交通线网限流的多智能体仿真模型。该模型以Anylogic软件为建模基础,通过构建列车类、线路类、路网类、乘客类等4类智能体,实现了乘车限流、站台限流和闸机限流等客流控制手段,提出了针对单线多站地铁线路的全线协调的客流控制策略。规模为23个车站、122933对OD(起讫点)的某条地铁线路的客流控制实验结果表明,限流提升了1.01%的总客运周转量。

金融政策效用下企业发展多智能体仿真研究

针对金融政策传播过程中的复杂性,建立了宏观系统的政策传播模型并在多智能体仿真开发平台Netlogo下编程实现,并动态模拟企业引入金融政策后金融市场的演化过程,来展现具有不同特征的企业在金融市场上是如何随着时间发生的交互作用。最后给出了金融政策效用下的企业状态演化与预测实验结果,量化了政策对市场的激励,将人文社会科学研究与复杂网络理论进行了比较完美的结合与集成创新。

虚拟软件企业合作伙伴选择多智能体仿真研究

虚拟软件企业能否成功很大程度上取决于其组建过程,而组建过程中关键的环节是选择合适的合作伙伴。因此将虚拟软件企业合作伙伴选择问题作为研究对象,分析了其微观作用机制,采用多智能体建模与仿真方法,建立了合作伙伴选择多智能体模型,设计了相应的仿真实验,研究了不同决策目标下的合作伙伴选择机制。研究表明,成本最低法、工期最短法和质量最优法这3种单目标决策方法能够达到各种决策目标的最优化,但是稳定性较差;综合最佳法这种多目标决策方法能够实现软件项目总工期和总质量之间的平衡,并且稳定性较好。

基于过度反应与多智能体仿真的互联网产品扩散研究

将过度反应理论引入多智能体仿真模型,设计个体采纳互联网产品的交互方式,从演化博弈视角构建在线社交网络中互联网产品扩散仿真模型。在仿真软件Anylogic6.4.1上进行多Agent模拟实验,模拟结果表明:(1)信息服务产品收益越高,产品扩散会在更早的时间点大幅波动,产品扩散的水平越高,但同时稳定性较差,有扩散大幅萎缩的风险;(2)当传播成本较大时,拒绝者在大多数时间占优,当惩罚成本较大时,采纳者会在大多数时间占优;(3)过度反应行为越强烈,扩散稳定性越差,但扩散机会越大;(4)网络中的信息噪声越小,扩散水平越高。通过观察个体对待互联网信息服务产品的采纳和拒绝行为,研究各项效用参数对于网络中产品扩散结果的影响,为互联网产品供应商进行广告营销提供一定的参考。

基于多智能体仿真技术的金融政策效用下企业状态演化预测

针对实际政策传播过程中的复杂性,建立宏观系统的金融政策传播模型并在多智能体仿真开发平台Netlogo下编程实现。动态地模拟企业引入金融政策后金融市场的演化过程,展现具有不同特征的企业在金融市场上是如何随着时间进行相互交互作用。最后给出了金融政策效用下的企业状态演化与预测实验结果,量化了政策对市场的激励,将人文社会科学研究与复杂网络理论进行结合与集成创新。

基于多智能体仿真的自动化集装箱码头合理通过能力研究

针对自动化集装箱码头泊位合理通过能力评估问题,基于多智能体仿真建立采用"双小车岸桥(DTQC)+自动导引车(AGV)+自动化轨道吊(ARMG)"工艺的自动化集装箱码头装卸作业模型,对顺岸布置的自动化码头通过能力与码头服务水平、泊位数量之间的关系进行研究。仿真结果表明:码头服务水平(AWTAST)与泊位通过能力呈明显负相关关系,且在一定码头服务水平下,泊位合理通过能力随顺岸式码头泊位数量的增加显著提高。基于仿真结果进行公式拟合,提出了自动化集装箱码头的泊位合理通过能力估算方法,可以为自动化集装箱码头规划与运营提供决策支持。

多智能体仿真的装配式项目风险对策选择

从动态、系统的角度探究装配式建筑项目的风险对策选择问题.梳理装配式建筑项目中主要的风险问题,并建立基于多智能体仿真(MAS)技术的风险控制机制.采用MAS技术构建风险对策选择模型,建立了Agent间的交互关系及参数设置.选取实际案例中的风险对策代入模型,仿真结果验证了模型的可行性.研究结果表明:该模型从动态的角度考虑装配式建筑项目的风险,更加贴合实际情境,且能够准确地衡量不同风险对策的实施对项目目标的影响,有利于合理选择风险对策.

基于多智能体仿真的生态工业园建模与优化——以广东省云安生态工业园为例

为辅助生态工业园(EIP)的规划设计并缩短验证时间,可利用建模仿真来模拟园区的演化历程并为其提出优化建议。基于多智能体建模法,为EIP各成员建立符合真实企业运作特点的智能体模型,开发一个扩展性较强的EIP动态仿真平台,并提出一种副产品动态交易的多目标优化模型。最后以广东省云安生态工业园为仿真对象,对其产业链协作过程及运营数据进行预测,通过迭代优化及仿真为企业提供决策参考,并利用仿真评估引入新企业、政府补贴对园区内副产品交易的影响。

集装箱码头铁路装卸线多智能体仿真建模研究

以集装箱码头铁路装卸线作业系统为研究对象,在分析该系统特征的基础上,基于多智能体仿真技术和微观交通仿真技术,构建了集装箱码头铁路装卸线作业系统仿真模型,模拟了进出口集装箱通过整个系统的作业流程。

基于多智能体仿真模型的个人征信体系建设研究——以安徽省为例

建立银行间信贷市场模型说明个人与银行进行不同策略的相关影响,再利用博弈论模型的智能体仿真建模方法建模,分别就无信息共享参与、个体之间信息共享、银行间信息共享以及个人与银行间信息共享4种情况进行模拟分析,从而得出相应的结论,最后根据模型分析的结论,结合实际情形,提出相关的政策建议,以推动个人征信体系的发展与完善。

动态稠密人际网络中创新扩散研究——一个多智能体仿真分析

使用复杂网络模型最新成果——p-GNC网络拟合社交时代的人际网络,运用多智能体仿真法分析了p-GNC网络结构、网络效应强度和社会系统中创新先驱者比例对创新扩散的影响。研究发现,p-GNC网络的平均聚集系数越大、平均度越小,创新扩散规模越大,且平均度是创新扩散规模的决定因素。网络效应强度正向影响创新扩散规模,网络效应强度越高,p-GNC网络结构变化对创新扩散规模的影响越大。创新先驱者比例正向影响创新扩散规模,当网络效应强度较高且p-GNC网络呈现出稀疏状态时,提高创新先驱者比例对创新扩散规模的促进作用随创新先驱者比例的增加而边际递减。

基于多智能体仿真的集装箱港口作业效率研究

集装箱港口生产作业系统是复杂的离散事件系统,数学建模方法难以构建针对整个系统的模型,而基于过程的仿真模型通常缺乏对设备调度的灵活性。为准确描述我国集装箱港口的作业流程,分析内卡配置数量对港口作业效率的影响,提出了基于事件驱动的集装箱港口多智能体(Multi-Agent)仿真模型。仿真结果表明:岸桥平均装卸效率(GCR)随着内卡数量的增加先急剧增加后缓慢增加,船舶平均等待时间(AWT)和平均在泊时间(AST)与岸桥平均装卸效率呈明显负相关关系。

多智能体仿真在护理领域的应用

多智能体系统(multi-agent system,MAS)是分布式人工智能的一个重要分支,是一种能够通过计算机建立模型模拟出复杂环境下微观个体间交互现象进而推出宏观局势的微观仿真技术[1]。多智能体仿真技术能打破传统评估测量工具的限制,借助计算机复现出现实医疗环境,再在仿真模型中进行措施干预实验以观察其效果,能避免承担风险,以最节约成本的方式获取最优解决方案[2]。近年来多智能体仿真技术基于能反映出个体行为复杂性这一特点被广泛应用于医疗领域。本文将多智能体仿真技术在护理领域的应用研究进行整理综述,为护理人员提供参考。

基于多智能体仿真的多方式通勤出行行为研究

高峰时段的道路拥堵是制约城市发展的交通难题,通勤者作为高峰时段出行的主要参与者,其通勤行为对于高峰时段的交通状态具有重要影响。文章通过构建学习型多智能体微观交通仿真平台,以最小化个体在不同通勤方式下的成本函数为期望,仿真分析个体对多种通勤方式的行为选择以及产生的交通影响。结果表明:多智能体微观交通仿真平台具备学习性,能够模拟通勤者基于历史经验的行为选择。通勤者的通勤方式、出发时刻、通勤时间存在相互关联性并保持动态平衡,并且通勤者对于延误惩罚的敏感度存在最大值,当延误惩罚低于或高于最大值时,通勤者往往采取不同的措施降低通勤成本。