[論文レビュー] Modelling and simulation of complex systems: an approach based on multi-level agents

Alain-Jérôme Fougères|arXiv (Cornell University)|Jan 18, 2012

Multi-Agent Systems and Negotiation参考文献 34被引用数 23

ひとこと要約

本稿は、反応的、日常的、認知的、集団的エージェント行動を統合する、複雑システムをモデリングおよびシミュレートするためのマルチレベルエージェントフレームワークを提案する。認知工学にインspiredされたエージェントベースモデリングを用い、フレキシブルマニュファクチャリング、都市交通、疫病検出などの実世界のシステムをシミュレートし、スケーラブルで行動駆動のアプローチにより複雑システムのダイナミクスを提示する。

ABSTRACT

A complex system is made up of many components with many interactions. So the design of systems such as simulation systems, cooperative systems or assistance systems includes a very accurate modelling of interactional and communicational levels. The agent-based approach provides an adapted abstraction level for this problem. After having studied the organizational context and communicative capacities of agentbased systems, to simulate the reorganization of a flexible manufacturing, to regulate an urban transport system, and to simulate an epidemic detection system, our thoughts on the interactional level were inspired by human-machine interface models, especially those in "cognitive engineering". To provide a general framework for agent-based complex systems modelling, we then proposed a scale of four behaviours that agents may adopt in their complex systems (reactive, routine, cognitive, and collective). To complete the description of multi-level agent models, which is the focus of this paper, we illustrate our modelling and discuss our ongoing work on each level.

研究の動機と目的

• 複雑システム、たとえばシミュレーション、協働システム、支援システムにおける相互作用と通信を正確にモデリングする課題に対処すること。
• 複雑システムダイナミクスにおける多様な行動レベルをサポートする、一般化可能なエージェントベースモデリングフレームワークを開発すること。
• 認知工学および人間-機械インターフェースモデルの知見を、エージェントベースシステム設計に統合すること。
• 異なる組織的・運用的文脈におけるマルチレベル相互作用をモデリングする構造的アプローチを提供すること。
• フレキシブルマニュファクチャリング、都市交通規制、疫病検出の事例研究を通じて、フレームワークを検証すること。

提案手法

• エージェントの行動を4段階のスケールに分類：反応的、日常的、認知的、集団的。それぞれが意思決定および相互作用の複雑さが増す。
• エージェントベースモデリングをコアパラダイムとして採用。エージェントの自律性と通信機能を活用し、複雑システムの行動をシミュレートする。
• 特に人間-機械文脈において、エージェント相互作用および通信能力を規定するため、認知工学の原則を活用する。
• フレキシブルマニュファクチャリングの再編成、都市交通規制、疫病検出シミュレーションなど、実世界のシステムにフレームワークを適用する。
• 反復的なモデリングとシミュレーションを用い、異なる抽象レベルでのシステム再編成および適応的行動を探索する。
• 階層的および分散的システムダイナミクスを表現するため、マルチレベルエージェントモデルを統合。これにより、複雑な相互作用のスケーラブルなシミュレーションが可能になる。

実験結果

リサーチクエスチョン

• RQ1 エージェントベースモデリングは、複雑システムに見られるマルチレベル行動を効果的に表現できるか？
• RQ2 再編成や規制のような複雑システムダイナミクスを正確にシミュレートするには、どのような行動レベルが必要か？
• RQ3 認知工学の原則は、シミュレーションモデルにおけるエージェントの通信および相互作用をどのように向上させられるか？
• RQ4 マルチレベルエージェントモデルは、複雑システムシミュレーションの忠実性およびスケーラビリティをどのように向上させられるか？
• RQ5 本フレームワークは、製造、交通、公衆衛生などの実世界分野で、どのような実用的応用が可能か？

主な発見

• 反応的、日常的、認知的、集団的という4段階のエージェント行動モデルは、複雑システムにおける多様な相互作用パターンを包括的に表現するフレームワークを提供する。
• フレキシブルマニュファクチャリングの再編成シミュレーションでは、マルチレベルエージェントが動的システム適応および調整を効果的にモデリングできることを示した。
• 都市交通規制のシミュレーションでは、認知的および集団的行動を有するエージェントベースモデリングが、システムの対応性および効率性を向上させた。
• 疫病検出のシミュレーションでは、構造的な通信と行動を通じて、マルチレベルエージェントが早期警戒および調整能力を強化した。
• エージェント設計に認知工学の原則を統合することで、複雑システムモデルにおけるエージェント相互作用の現実性および使いやすさが向上した。
• 本フレームワークは多様な分野に適応可能であり、複雑でマルチエージェントシステムのスケーラブルかつモジュラーなシミュレーションを支援した。