Empirical Agent-Based Modelling - Challenges and Solutions: Volume 1, The Characterisation and Parameterisation of Empirical Agent-Based Models

این کتاب آموزشی تکنیک‌هایی را برای پارامترسازی عوامل انسانی در مدل‌های مبتنی بر عامل تجربی (ABM) به نمایش می‌گذارد. با انجام این کار، مروری به موقع از روش‌های کلیدی ABM و نوآورانه‌ترین رویکردها از طریق انواع کاربردهای تجربی ارائه می‌کند. این شامل تحقیقات پیشرفته از دانشگاهیان و متخصصان برجسته است و راهنمایی برای توصیف و پارامترسازی عوامل انسانی در ABM تجربی ارائه می دهد. به منظور تسهیل یادگیری، این متن تجربیات ارزشمند سایر مدل‌سازان را در موقعیت‌های مدل‌سازی خاص به اشتراک می‌گذارد. در زمینه ABM تجربی بسیار کمی منتشر شده است، و این حجم ارائه شده برای دانشجویان و محققین مقطع تحصیلات تکمیلی که در حال مطالعه مدل‌سازی شبیه‌سازی در اقتصاد، جامعه‌شناسی، بوم‌شناسی، و مطالعات بین رشته‌ای، مانند موضوعات مرتبط با پایداری هستند، جذاب خواهد بود. به روشی مشابه دستورالعمل موجود در یک کتاب آشپزی، این متن مجموعه‌ای از «دستورالعمل‌ها» را برای پیاده‌سازی در اختیار مدل‌ساز تجربی قرار می‌دهد.

مدل‌سازی مبتنی بر عامل (ABM) یک ابزار قدرتمند است. ، تکنیک شبیه سازی-مدل سازی که در سال های اخیر افزایش چشمگیری در کاربردهای دنیای واقعی داشته است. در ABM، یک سیستم به عنوان مجموعه‌ای از نهادهای تصمیم‌گیری مستقل به نام «عامل» مدل‌سازی می‌شود. هر عامل به طور جداگانه وضعیت خود را ارزیابی می کند و بر اساس مجموعه ای از قوانین تصمیم می گیرد. عامل ها ممکن است رفتارهای متفاوتی را برای سیستمی که نشان می دهند، به عنوان مثال تولید، مصرف یا فروش، اجرا کنند. ABM به طور فزاینده ای برای شبیه سازی سیستم های دنیای واقعی، مانند استفاده از منابع طبیعی، حمل و نقل، بهداشت عمومی و درگیری استفاده می شود. تصمیم گیرندگان به طور فزاینده‌ای خواستار حمایتی هستند که شاخص‌های متعددی را پوشش می‌دهد که می‌توان به طور موثر با استفاده از ABM به آنها پرداخت. این امر به ویژه در شرایطی که رفتار انسان به عنوان یک عنصر حیاتی شناخته می شود، صادق است. در نتیجه، ABM تنها به رشد سریع خود ادامه خواهد داد.

این اولین جلد از مجموعه کتاب‌هایی است که هدف آن کمک به تغییر فرهنگی در جامعه مدل‌سازی مبتنی بر عامل تجربی است. این مجموعه تجربیات و راه حل های بازنمایی را در مدل سازی مبتنی بر عامل تجربی گرد هم می آورد. ایجاد بستری برای تبادل چنین تجربیاتی امکان مقایسه راه حل ها را فراهم می کند و یادگیری را در جامعه مدل سازی مبتنی بر عامل تجربی تسهیل می کند. در نهایت، جامعه به چنین تبادل و یادگیری برای آزمایش رویکردها و در نتیجه توسعه مجموعه ای قوی از تکنیک ها در حوزه مدل سازی مبتنی بر عامل تجربی نیاز دارد. بر اساس روش‌های قوی و قابل دفاع، مدل‌سازی مبتنی بر عامل به ابزاری حیاتی برای آژانس‌های تحقیقاتی، سازمان‌های تصمیم‌گیری و پشتیبانی تصمیم‌گیری و آژانس‌های تامین مالی تبدیل خواهد شد. این سری به مدل‌سازی مبتنی بر عامل تجربی قوی‌تر و قابل دفاع‌تر کمک می‌کند.

This instructional book showcases techniques to parameterise human agents in empirical agent-based models (ABM). In doing so, it provides a timely overview of key ABM methodologies and the most innovative approaches through a variety of empirical applications. It features cutting-edge research from leading academics and practitioners, and will provide a guide for characterising and parameterising human agents in empirical ABM. In order to facilitate learning, this text shares the valuable experiences of other modellers in particular modelling situations. Very little has been published in the area of empirical ABM, and this contributed volume will appeal to graduate-level students and researchers studying simulation modeling in economics, sociology, ecology, and trans-disciplinary studies, such as topics related to sustainability. In a similar vein to the instruction found in a cookbook, this text provides the empirical modeller with a set of 'recipes' ready to be implemented.

Agent-based modeling (ABM) is a powerful, simulation-modeling technique that has seen a dramatic increase in real-world applications in recent years. In ABM, a system is modeled as a collection of autonomous decision-making entities called “agents.” Each agent individually assesses its situation and makes decisions on the basis of a set of rules. Agents may execute various behaviors appropriate for the system they represent—for example, producing, consuming, or selling. ABM is increasingly used for simulating real-world systems, such as natural resource use, transportation, public health, and conflict. Decision makers increasingly demand support that covers a multitude of indicators that can be effectively addressed using ABM. This is especially the case in situations where human behavior is identified as a critical element. As a result, ABM will only continue its rapid growth.

This is the first volume in a series of books that aims to contribute to a cultural change in the community of empirical agent-based modelling. This series will bring together representational experiences and solutions in empirical agent-based modelling. Creating a platform to exchange such experiences allows comparison of solutions and facilitates learning in the empirical agent-based modelling community. Ultimately, the community requires such exchange and learning to test approaches and, thereby, to develop a robust set of techniques within the domain of empirical agent-based modelling. Based on robust and defendable methods, agent-based modelling will become a critical tool for research agencies, decision making and decision supporting agencies, and funding agencies. This series will contribute to more robust and defendable empirical agent-based modelling.