[論文レビュー] Multi-level agent-based modeling - A literature survey

Gildąs Morvan|arXiv (Cornell University)|May 2, 2012

Mental Health Research Topics参考文献 134被引用数 28

ひとこと要約

本論文は、複数の異種的な記述レベル（例：マイクロ、メソ、マクロスケール）を統合することで、従来のABMを拡張する多段階エージェントベースモデリング（ML-ABM）の包括的サーベイを提示する。この研究の主な貢献は、レベル、統合タイプ（弱い統合 vs. 強い統合）、および双方向フィードバックとスケール間の動的適応を支援するモデリング形式を定義する統一された概念的枠組みを提供することである。

ABSTRACT

During last decade, multi-level agent-based modeling has received significant and dramatically increasing interest. In this article we present a comprehensive and structured review of literature on the subject. We present the main theoretical contributions and application domains of this concept, with an emphasis on social, flow, biological and biomedical models.

研究の動機と目的

• 従来のエージェントベースモデリング（ABM）の限界、例えば単なるボトムアップ的ダイナミクスとマクロ・マイクロ間のフィードバック欠如を是正すること。
• レベル、統合、異種性といったコアコンセプトを定義することで、多段階エージェントベースモデリング（ML-ABM）の下で多様なアプローチを統一すること。
• クロスレベル相互作用とモデルの詳細度の動的適応を支援する技術的ツールおよびモデリング形式を同定・分類すること。
• 特に自動観測と可視化を通じて、顕在化（reification）を伴う顕在的現象の検出が多段階モデリングにおいて果たす役割を強調すること。
• ML-ABM研究における用語の統一、概念的枠組み、および手法論的開発を促進する専用の学術フォーラムの設立を提言すること。

提案手法

• システムに対する視点としての「レベル」を形式的に定義し、モデル内での抽象化として統合すること。
• 同じシステムを異なる視点で記述する異種的なABMの統合として、ML-ABMを定義すること。
• 統合タイプを弱い統合（一方通行の影響）と強い統合（相互的影響）に分類し、強い統合にはIRM4MLS や PADAWAN といった形式的モデルが必要であることを示すこと。
• 多段階シミュレーションとクロスレベル相互作用を支援するモデリングプラットフォームおよびメタモデル（例：DEVS, EBM, IODA）をレビューすること。
• 実行時におけるレベル生成、マイクロシミュレーションからのマクロモデルのパrametrization、およびコントローラーに基づくメゾスコピックレベルといった技術的ツールを分析すること。
• 複数の将来の軌跡をシミュレートするために「ゴースト」とフェロモンに類似した場を活用し、将来状態に基づく確率的エージェント意思決定を可能にすることを提言すること。

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ルは、どのようにしてマイクロとマクロレベル間の双方向的相互作用をサポートできるか？
• RQ2 ML-ABMにおける異種的レベルの強い統合を可能にする形式的枠組みとモデリングプラットフォームは何か？
• RQ3 顕在的現象はどのように検出・可視化され、シミュレーションに再統合されるモデルエンティティとして再利用可能か？
• RQ4 動的詳細度適応を通じて、ML-ABMはスケーラビリティと計算効率をどのように向上させられるか？
• RQ5 ML-ABMアプリケーション間における用語と手法論の統一において、概念的および技術的課題は何か？

主な発見

• ML-ABMは、単なるボトムアップ的ABMの限界を克服し、明示的なトップダウンおよびボトムアップのフィードバックループを可能にする。
• エージェントやモデルが互いに相互に影響を与える強い統合は、IRM4MLS や PADAWAN のような形式的相互作用モデルに基づく少数の形式的枠組みにのみ対応可能である。
• 多くの既存のABMプラットフォームは強い相互作用を正しく表現できず、しばしば弱い統合（一方通行の影響）に還元され、恣意的な設計選択と解釈の問題を引き起こす。
• 顕在的現象は自動化ツールを用いて検出可能で可視化可能であるが、それらはほとんど再統合されず、シミュレーション内での再利用が制限されている。
• フェロモンに類似した場を介して予測された将来状態に基づいて行動する「マルチフューチャー」モデリングの概念は、ドメインに依存しない前向きな行動のメカニズムを提供する。
• 社会的・生物学的・フロー分野への応用が増加している一方で、ML-ABMは理論的・手法論的研究を専任とする学術的場を欠いており、標準化と進展を阻害している。