[论文解读] Agents.jl: A performant and feature-full agent based modelling software of minimal code complexity

George Datseris, Ali R. Vahdati+1 more|arXiv (Cornell University)|Jan 25, 2021

Modeling, Simulation, and Optimization参考文献 22被引用 8

一句话总结

Agents.jl 是一个用 Julia 编写的高性能、极简代码的基于代理的建模框架，其在速度和代码简洁性方面优于 NetLogo、Mesa 和 MASON 等领先替代方案，同时提供更丰富的功能并无缝集成到 Julia 生态系统中。它可实现快速原型设计、高效的参数优化以及高级建模能力，显著降低了开发复杂度。

ABSTRACT

Agent based modelling is a simulation method in which autonomous agents interact with their environment and one another, given a predefined set of rules. It is an integral method for modelling and simulating complex systems, such as socio-economic problems. Since agent based models are not described by simple and concise mathematical equations, code that generates them is typically complicated, large, and slow. Here we present Agents.jl, a Julia-based software that provides an ABM analysis platform with minimal code complexity. We compare our software with some of the most popular ABM software in other programming languages. We find that Agents.jl is not only the most performant, but also the least complicated software, providing the same (and sometimes more) features as the competitors with less input required from the user. Agents.jl also integrates excellently with the entire Julia ecosystem, including interactive applications, differential equations, parameter optimization, and more. This removes any ``extensions library'' requirement from Agents.jl, which is paramount in many other tools.

研究动机与目标

• 解决基于代理的建模（ABM）软件中常见的高代码复杂度和性能低下问题。
• 通过最小化所需代码量同时最大化功能，减轻 ABM 开发者的开发负担。
• 实现与更广泛的 Julia 生态系统的无缝集成，支持微分方程、优化、可视化和交互式建模。
• 提升复杂 ABM 开发中的可复现性、可扩展性和协作性。
• 提供一个现代化、通用的 ABM 框架，既快速又易于学习，不同于 NetLogo 等领域专用工具。

提出的方法

• 该框架完全使用 Julia 实现，利用其高级语法和即时编译技术以实现最佳性能。
• 它将 ABM 的核心组件——代理、空间、规则和时间步长——抽象为一个简洁、可组合的 API，几乎无需样板代码。
• Agents.jl 支持多种空间类型：离散网格、连续空间、有向图，以及与 OpenStreetMap 的集成，以实现更真实的时空建模。
• 它支持自动数据收集、参数探索以及通过内置可视化和 GUI 工具实现的交互式模型执行。
• 该框架原生集成 Julia 包如 DifferentialEquations.jl、BlackBoxOptim.jl 和 ModelingToolkit.jl，支持混合建模与优化。
• 它利用 Julia 的元编程和宏系统，支持未来通过 Julia 宏自动生成 ODD 协议模板，以提升模型文档化和可复现性。

实验结果

研究问题

• RQ1 是否可以使用像 Julia 这类现代通用编程语言构建一个比现有成熟工具更快、更简洁的 ABM 框架？
• RQ2 与 NetLogo、Mesa 和 MASON 相比，Agents.jl 在实现复杂 ABM 时，所需代码量减少了多少？
• RQ3 Agents.jl 在不同 ABM 应用场景下的执行速度和可扩展性表现如何？
• RQ4 Agents.jl 在无需外部插件的情况下，与 Julia 生态系统中先进分析工具的集成程度如何？
• RQ5 Agents.jl 是否能在不增加代码复杂度的前提下，支持复杂建模扩展（如微分方程、优化和自定义空间类型）？

主要发现

• 在所有基准测试模型中，Agents.jl 的性能在所有评估框架中最高，包括 NetLogo、Mesa 和 MASON。
• 与竞争对手相比，该框架实现相同模型所需的代码量显著更少，其中一个示例显示其代码行数比 Mesa 减少了 50%。
• 使用 BlackBoxOptim.jl 优化的流行病学 SIR 模型，通过调节传播率和其他参数，将感染人数从占总人口的 94% 降低至 0.04%。
• 该框架支持高级功能，如多代理空间类型（例如六边形网格、OpenStreetMap）、灵活的数据收集，以及仅需极少用户输入的自动参数扫描。
• Agents.jl 实现了与 Julia 生态系统的无缝集成，包括微分方程、贝叶斯推断和进化优化，无需外部库或插件。
• 该框架设计为可扩展且可复现，计划通过 Julia 宏实现 ODD 协议模板生成，以增强模型的透明度和可重用性。