一种复杂系统研究方法——基于多智能体的整体建模仿真方法

本文在对一般复杂系统进行研究分析的基础上 ,针对目前国内外的研究现状 ,提出一种研究复杂系统的新方法——基于多智能体的整体建模仿真方法 ,对这种方法的操作流程和步骤进行了详细的说明 ,并介绍了支撑这种方法的 SWARM仿真平台 。

基于多智能体的整体建模仿真方法在经济系统中的应用研究

分析了经济系统的复杂性原因 ,提出利用基于多智能体的整体建模仿真方法来研究经济系统中的各种问题 ,并利用Swarm仿真软件对经济学中的一般均衡理论进行了仿真分析和验证 ,得到令人满意的结果 ,有力证明了这种方法的可行性。

基于集成学习的复杂仿真模型验证方法

针对复杂仿真模型验证中海量数据的相似性分析问题,提出了一种基于集成学习的仿真模型验证方法。将仿真时间序列与参考时间序列的相似性分析问题转换为相似性等级分类问题,进而利用神经网络、支持向量机、集成学习等机器学习方法,设计了一种集成分类系统对时间序列的相似性等级进行分类。为了增强基分类器的多样性,提出了基于惩罚因子的多样性筛选准则;通过挑选具有最大差异性的基分类器,构造高性能集成分类系统。最后利用相关数据,对所提出的方法进行应用研究,验证了方法的有效性。

复杂系统多智能体建模的博弈进化仿真

采用基于复杂系统多智能(Multi-Agent)体的整体建模仿真方法,利用Swarm仿真软件平台建立进化博弈仿真模型(EGM),对该模型进行了描述和定义,运用EGM对各类对称博弈模型进行仿真运行,并对结果进行分析。仿真结果表明在不同类型的对称博弈中初始策略选择概率和收益矩阵对动态稳定策略的获得有不同的影响,在给定不同的收益矩阵和初始策略选择概率下可以获得不同的进化稳定策略。