ΕΠΙΜΕΛΕΙΑ ΕΡΓΑΣΙΑΣ: ΔΗΜΗΤΡΙΟΣ ΜΑΪΟΓΛΟΥ

YOU ARE NOW ENTERING TO THE WORLD OF AGENT BASED MODELS

Τί είναι τα Agent Based Models; ! ΔΕΝ ΈΧΟΥΝ ΚΑΜΙΑ ΣΧΕΣΗ ΜΕ ΚΑΤΑΣΚΟΠΙΑ

Τί είναι τα Agent Based Models; Τα agent based models είναι μοντέλα προσομοίωσης ενός λειτουργικού συστήματος, τεχνιτού η φυσικού,τα οποία βασιζόμενα σε αυτόνομες λογισμικές μονάδες με τεχνική νοϋμοσύνη μας δίνουν την δυνατότητα να περιγράψουμε τη δυναμική ενός συστήματος καθώς και να εξάγουμε συμπεράσματα για την λειτουργία του.

Ιστορία Το 1970 ο μαθηματικός Τζόν Κόνουεϊ (John Conway) επινόησε «Το Παιχνίδι Της Ζωής» ή απλούστερα “Life”. Ουσιαστικά, πρόκειται για ένα «κυψελοειδές αυτόματο» (cellular automaton). Ο όρος agent based models χρησιμοποιήθηκε πρώτη φορά στις αρχές τις δεκαετίας του 1990 για να περιγράψει τη τεχνολογία των προσομοιώσεων με τη μορφή κυψελοειδών, κυριαρχώντας στην υπολογιστική έρευνα.

Τα agent based models βρίσκουν εφαρμογή: ΚΟΙΝΩΝΙΟΛΟΓΙΑ ΑΝΘΡΩΠΟΛΟΓΙΑ ΟΙΚΟΝΟΜΙΑ ΕΚΠΑΙΔΕΥΣΗ ΠΟΛΙΤΙΚΗ ΕΠΙΚΟΙΝΩΝΙΕΣ ΒΙΟΛΟΓΙΑ

Λογισμικό Το λογισμικό το οποίο χρησιμοποιείται κατά την εφαρμογή των προσομοιώσεων είναι αποτέλεσμα της συνδιασμένης χρήσης προηγμένων τεχνικών από το χώρο της πληροφορικής, δηλαδή: Πολυπρακτορικά Συστήματα (Multi Agent Systems) Γενετικοί Αλγόριθμοι (Genetic Algorithms) Κυψελοειδή Αυτόματα (cellular automaton)

Δομή συστήματος Το περιβάλλον μέσα στο οποίο πραγματοποιείται η προσομοίωση είναι ένας δισδιάστατος χώρος ο οποίος περιέχει εμπόδια, παγίδες, τροφή και πράκτορες. Κάθε μία από τις παραπάνω μονάδες διαθέτει ιδιαίτερα χαρακτηριστικά τα οποία επιβάλονται από το είδος του συστήματος που θέλουμε να προσομοιώσουμε.

Περιβάλλον Για τον προσδιορισμό του χώρου προσομοίωσης χρησιμοποιούμε ένα δισδιάστατο τετραγωνικό πλέγμα. Κάθε πράκτορας καταλαμβάνει ένα τετράγωνο(κελί) ενώ κάθε εμπόδιο, παγίδα ή τροφή μπορεί να καταλαμβάνει περισσότερα από ένα τετράγωνα.

Περιβάλλον

Πράκτορες Καταλαμβάνει ένα συγκεκριμένο κελί. Είναι αδύνατη η ύπαρξη δύο πρακτόρων στο ίδιο κελί. Η κίνηση των πρακτόρων γίνεται με βάση κανόνες. Κύριο χαρακτηριστικό του πράκτορα είναι η ενέργειά του. Σκοπός του πράκτορα είναι να αυξήσει την ενέργειά του κινούμενος μες στο χώρο και συλλέγοντας τροφή. Κάθε κίνηση επιφέρει απώλεια ενέργειας. Όσο μεγαλώνει σε ηλικία ο πράκτορας, τόσο η απώλεια ενέργειας ανά κίνηση αυξάνεται. Η συνάντηση του πράκτορα με παγίδα επιφέρει μεγάλη απώλεια ενέργειας. Ενώ κατά την συνάντηση δύο πρακτόρων έχουμε ανταλαγή κανόνων.

Πράκτορες Κάθε πράκτορας έχει ένα συγκεκριμένο οπτικό πεδίο και έχει τη δυνατότητα να αναγνωρίζει αντικείμενα μόνο όταν αυτά βρίσκονται εντός του πεδίου. Έχουν την δυνατότητα αναπαραγωγής. Παράγουν έναν νεαρό πράκτορα χάνοντας σε ενέργεια. Ο νεαρός πράκτορας ξεκινάει τη ζωή του με ένα συγκεκριμένο πακέτο κανόνων.

Κανόνες Η γνώση των πρακτόρων για το περιβάλλον τους στηρίζεται σε ένα σύνολο κανόνων με βάση τους οποίους οι πράκτορες κινούνται και καθορίζουν τη συμπεριφορά τους γενικότερα μέσα στο οικοσύστημα. Παράλληλα αναπτύχθηκε ένα σύστημα αξιολόγησης και βελτίωσης αυτών των κανόνων με βάση τους γενετικούς αλγόριθμους.

Παρατήρηση - Δείκτες Η απλή παρατήρηση του πλέγματος προσομοίωσης και των μονάδων που δρούν πάνω σε αυτό δεν είναι αρκετά για την εξαγωγή ασφαλών συμπερασμάτων. Για το λόγο αυτό έχουν οριστεί ορισμένοι δείκτες οι τιμές των οποίων εξαρτώνται από την πορεία της προσομοίωσης. Με αυτό τον τρόπο δίνεται η δυνατότητα στον ερευνητή να παρατηρεί βάση αριθμιτικών δεδομένων την πορεία του οικοσυστήματος.

Παρατήρηση - Δείκτες Για το περιβάλλον xρησιμοποιούνται δείκτες όπως: Διαθεσιμότητα πόρων (Resource availability) Ποικιλομορφία περιβάλλοντος (Environmental variety) Αξιοπιστία Περιβάλλοντος (Environmental reliability)

Παρατήρηση - Δείκτες Για τους πράκτορες xρησιμοποιούνται δείκτες όπως: Ενέργεια Αποτελεσματικότητα Ρυθμός Συλλογής Τροφής Ρυθμός Σύγκρουσης με Παγίδα Ρυθμός Αναπαραγωγής Ρυθμός Αντιμετώπισης Αγνώστων Καταστάσεων

Τι προσφέρει η εφαρμογή των M.A.S. στην έρευνα; Μέσο της εφαρμογής ενός agent based model σκοπός μας είναι η παραγωγή ενός μοντέλου προσομοίωσης που θα πλησιάζει όσο το δυνατόν τις πραγματικές συνθήκες του οικοσυστήματος το οποίο μελετάμε. Έχοντας ως βάση το μοντέλο έχουμε τη δυνατότητα να πραγματοποιήσουμε μια ποικιλία πειραμάτων πάνω στην εξελικτική του πορεία, τους κύκλους ζωής των οργανισμών του οικοσυστήματος, τη δυνατότητα επιβίωσης του και τους μηχανισμούς που καθορίζουν την δυναμική του πορεία.

Τι προσφέρει η εφαρμογή των M.A.S. στην έρευνα; Οι παρατηρήσεις μας κατά την εφαρμογή των προσομοιόσεων και τα δεδομένα που συλλέγουμε από τους δείκτες που το κάθε μοντέλο χρησιμοποιεί μας δίνουν τη δυνατότητα να εξάγουμε συμπεράσματα για τη λειτουργία του οικοσυστήματος και για τη συμπεριφορά του υπό μελέτη πληθυσμού

Γενικά συμπεράσματα για τα Agent Based Models Η χρήση των A.B.M. μας δίνει μια πληθώρα δυνατοτήτων στην παρακολούθηση της πορείας των οικολογικών συστημάτων και στον πειραματισμό εκτός πεδίου. Η διαθέσιμη όμως τεχνολογία είναι ακατάλληλη για την εξαγωγή απόλυτων συμπερασματων για δύο λόγους:

Ακόμα και αν γνωρίζαμε και την παραμικρή λεπτομέρεια για τα οικοσυστήματα που θέλουμε να μελετήσουμε, το διαθέσιμο λογισμικό δεν μας επιτρέπει να περάσουμε μέσα στην προσομοίωση όλους του παράγοντες που διέπουν την λειτουργία τους Γενικά συμπεράσματα για τα Agent Based Models Ακόμα και αν γνωρίζαμε και την παραμικρή λεπτομέρεια για τα οικοσυστήματα που θέλουμε να μελετήσουμε, το διαθέσιμο λογισμικό δεν μας επιτρέπει να περάσουμε μέσα στην προσομοίωση όλους του παράγοντες που διέπουν την λειτουργία των οικοσυστημάτων. Η εξαγωγή συμπερασμάτων για τη λειτουργία ενός οικοσυστήματος απαιτεί την πλήρη γνώση των μηχανισμών και των κανόνων που διέπουν το οικοσύστημα. Γεγονός που δεν υφίσταται στις μέρες μας.