Какой же подход лучше использовать?

§ Если проблема хорошо «ложится» на традиционные подходы системной динамики и дискретно-событийного моделирования и допускает соответствующую абстракцию, лучше использовать традиционные подходы

§ Если система содержит активные объекты (люди, компании, животные, машины или проекты, акции, продукты) с временами, событиями или индивидуальным поведение любого другого рода, можно выбрать от использования агентного моделирования

§ Также нужно помнить о возможности совмещения подходов

Ø Могут быть модели системной динамики внутри дискретно взаимодействующих агентов

Ø Агенты могут взаимодействовать в среде, которая описана в терминах системной динамики

Ø Агенты могут взаимодействовать с другими агентами в рамках дискретно-событийной модели

Достоинства и недостатки агентного моделирования в AnyLogic:

§ Недостаток: Создание агентной модели – это не «несколько щелчков мыши». В любом случае придется писать какие0-то строчки кода.

§ Достоинство: AnyLogic минимизирует количество необходимого кода, предлагая графические конструкции, где это возможно. В то же время AnyLogic дает гораздо более гибкий язык моделирования

Агент – активный объект AnyLogic. Ему можно добавлять ориентацию в пространстве, мобильность, социальные свойства, обучаемость, активность и реактивность и т.д.

Поведение агента может быть описано по-разному:

• С помощью функций Java

strategy () {

if(enemy in range) {

if(friends > enemies)

attack();

else

retreat();

}

}

• С помощью карты состояний

• С помощью таймера

Cyclic: yes

Timeout: exponential(MoveRate)

Action: move();

• С помощью диаграммы системной динамики

§ С помощью любой комбинации этих элементов

Архитектура агентных моделей:

• Объект Environment обычно – корневой объект модели, инкапсулирующей агентов

Environment

• Агенты могут быть разного типа

• Агенты могут инкапсулировать других агентов

Company

Среда играет важную роль в агентных моделях:

• «Нулевая» среда – среда никак не влияет на агентов, но может, например, собирать агрегатную статистику
• Пассивная среда – агенты меняют и читают переменные среды (обратная связь через среду), но у среды нет собственной динамики

§ Активная среда – у среды есть собственная динамика и, таким образом, она является активным игроков в агентной модели, динамика среды может задаваться уравнениями, картой состояний, потоковой диаграммой и т.д.

Таким образом, агенты взаимодействуют со средой (есть доступ к агенту из среды и к среде из агента), друг с другом (существует возможность выбора случайного другого агента и прямой доступ к запомненного другому агенту). Агенты могут также создавать и убивать своих агентов.

Агенты взаимодействуют также в пространстве. Существует 3 типа пространств:

§ Непрерывное – используется, если нужно проверять столкновения, или есть другие причины учитывать точное физическое положение

§ Дискретное упорядоченное пространство – используется, если нужно различать «близко» и «далеко», но точное расстояние не так важно

§ Дискретное неупорядоченное – используется, если важно знать «в том же» или «в другом» месте, а где именно – неважно

Агент может иметь свою анимацию или использовать репликацию фигур.

Если нужно моделировать большое число объектов, то нет необходимости запускать такое же большое число агентов. Нужно использовать две основные техники «масштабирования»:

§ Те же агенты, уменьшенная среда

§ Та же среда, укрупненные агенты