[논문 리뷰] Modelling and simulation of complex systems: an approach based on multi-level agents

Alain-Jérôme Fougères|arXiv (Cornell University)|2012. 01. 18.

Multi-Agent Systems and Negotiation참고 문헌 34인용 수 23

한 줄 요약

이 논문은 반응형, 루틴형, 인지형, 집단형 에이전트 행동을 통합하여 복잡한 시스템을 모델링하고 시뮬레이션하기 위한 다수준 에이전트 프레임워크를 제안한다. 인지공학에 기반한 에이전트 기반 모델링을 적용하여 유연한 제조, 도시 교통, 전염병 탐지와 같은 실제 시스템을 시뮬레이션하며, 복잡한 시스템 역학에 대한 확장 가능하고 행동 중심의 접근 방식을 입증한다.

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.

연구 동기 및 목표

• 복잡한 시스템, 예를 들어 시뮬레이션, 협업 시스템, 보조 시스템에서 상호작용과 의사소통을 정확히 모델링하는 데 도전하는 것.
• 복잡한 시스템 역학에서 다양한 행동 수준을 지원하는 일반화 가능한 에이전트 기반 모델링 프레임워크를 개발하는 것.
• 인지공학 및 인간-기계 인터페이스 모델의 통찰을 에이전트 기반 시스템 설계에 통합하는 것.
• 다양한 조직적 및 운영적 맥락에서 다수준 상호작용을 체계적으로 모델링하는 접근 방식을 제공하는 것.
• 다양한 사례 연구를 통해 프레임워크를 검증하는 것 — 특히 유연한 제조, 도시 교통 규제, 전염병 탐지 분야에서.

제안 방법

• 에이전트의 행동 수준을 네 단계로 구분: 반응형, 루틴형, 인지형, 집단형. 각 수준은 의사결정 및 상호작용의 복잡성 증가를 나타낸다.
• 에이전트 기반 모델링을 核심 패러다임으로 활용하여, 에이전트의 자율성과 의사소통 능력을 활용해 복잡한 시스템 행동을 시뮬레이션한다.
• 특히 인간-기계 환경에서의 상호작용과 의사소통 능력을 향상시키기 위해 인지공학 원리를 기반으로 에이전트 상호작용 설계를 지원한다.
• 유연한 제조 재조직, 도시 교통 규제, 전염병 탐지 시뮬레이션 등 실제 시스템에 프레임워크를 적용한다.
• 반복적인 모델링 및 시뮬레이션을 통해 다양한 추상화 수준에서의 시스템 재조직 및 적응형 행동을 탐색한다.
• 계층적이고 분산된 시스템 역학을 표현하기 위해 다수준 에이전트 모델을 통합하여, 복잡한 상호작용의 확장 가능한 시뮬레이션을 가능하게 한다.

실험 결과

연구 질문

• RQ1 에이전트 기반 모델링이 복잡한 시스템에서 발견되는 다수준 행동을 효과적으로 표현할 수 있는가?
• RQ2 유연한 재조직 및 규제와 같은 복잡한 시스템 역학을 정확히 시뮬레이션하기 위해 필요한 행동 수준은 무엇인가?
• RQ3 인지공학 원리가 시뮬레이션 모델에서 에이전트 간 의사소통과 상호작용을 어떻게 향상시킬 수 있는가?
• RQ4 다수준 에이전트 모델은 복잡한 시스템 시뮬레이션의 정밀도와 확장성에 어떻게 기여하는가?
• RQ5 이 프레임워크는 제조, 교통, 공중보건와 같은 실제 도메인에서 실용적인 응용 사례로 어떻게 활용될 수 있는가?

주요 결과

• 반응형, 루틴형, 인지형, 집단형으로 구성된 네 단계의 에이전트 행동 모델은 복잡한 시스템에서 다양한 상호작용 패턴을 포괄적으로 표현할 수 있는 프레임워크를 제공한다.
• 유연한 제조 재조직 시뮬레이션을 통해 다수준 에이전트가 동적 시스템 적응 및 조율 능력을 효과적으로 모델링할 수 있음을 입증하였다.
• 도시 교통 규제 시뮬레이션 결과, 인지형 및 집단형 행동을 포함한 에이전트 기반 모델링이 시스템의 반응성과 효율성을 향상시켰다.
• 전염병 탐지 시뮬레이션을 통해 다수준 에이전트가 체계적인 의사소통과 행동을 통해 조기 경고 및 조율 능력을 향상시켰다.
• 에이전트 설계에 인지공학 원리를 통합함으로써 복잡한 시스템 모델에서의 상호작용의 현실성과 사용성 향상이 이루어졌다.
• 이 프레임워크는 다양한 도메인에 적용 가능하여 복잡하고 다수의 에이전트로 구성된 시스템의 확장 가능하고 모듈화된 시뮬레이션을 지원함을 입증하였다.