برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Markov Chain Aggregation for Agent-Based Models

دانلود کتاب جمع آوری زنجیره مارکوف برای مدل های مبتنی بر عامل

مشخصات کتاب

Markov Chain Aggregation for Agent-Based Models

دسته بندی: ریاضیات
ویرایش:  
نویسندگان: Sven Banisch  
سری: Understanding Complex Systems 
ISBN (شابک) : 3319248758, 9783319248752 
ناشر: Springer 
سال نشر: 2016 
تعداد صفحات: 205 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت

قیمت کتاب (تومان) : 38,000

کلمات کلیدی مربوط به کتاب جمع آوری زنجیره مارکوف برای مدل های مبتنی بر عامل: دینامیک غیرخطی، سیستم های پیچیده، روش های ریاضی در فیزیک، پیچیدگی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Markov Chain Aggregation for Agent-Based Models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب جمع آوری زنجیره مارکوف برای مدل های مبتنی بر عامل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب جمع آوری زنجیره مارکوف برای مدل های مبتنی بر عامل

این متن مستقل یک رویکرد زنجیره‌ای مارکوف را توسعه می‌دهد که تجزیه و تحلیل دقیق دسته‌ای از مدل‌های میکروسکوپی را که پویایی سیستم‌های پیچیده را در سطح فردی مشخص می‌کنند ممکن می‌سازد. این یک چارچوب کلی از تجمیع در مدل‌های محاسباتی مبتنی بر عامل و مرتبط ارائه می‌کند، مدلی که از تئوری توده‌پذیری و اطلاعات به منظور پیوند دادن سطوح خرد و کلان مشاهده استفاده می‌کند. نقطه شروع یک توصیف میکروسکوپی زنجیره مارکوف از فرآیند دینامیکی در مطابقت کامل با رفتار دینامیکی مدل مبتنی بر عامل (ABM) است که با در نظر گرفتن مجموعه ای از تنظیمات عامل ممکن به عنوان فضای حالت یک مارکوف عظیم به دست می آید. زنجیر. یک نمایش رسمی صریح از یک "ریز زنجیره" حاصل از جمله نرخ‌های انتقال میکروسکوپی برای کلاسی از مدل‌ها با استفاده از نمایش نقشه‌برداری تصادفی یک فرآیند مارکوف به دست می‌آید. نوع توزیع احتمال مورد استفاده برای اجرای بخش تصادفی مدل، که قاعده به‌روزرسانی را تعریف می‌کند و دینامیک را در سطح مارکوفی اداره می‌کند، نقش مهمی در تجزیه و تحلیل مدل‌های «رای‌دهنده‌مانند» مورد استفاده در ژنتیک جمعیت، بازی‌های تکاملی ایفا می‌کند. نظریه و پویایی اجتماعی این کتاب نشان می‌دهد که مشکل تجمع در ABMها - و به ویژه شرایط توده‌پذیری - را می‌توان در چارچوب کلی‌تری قرار داد که از نظریه اطلاعات برای شناسایی سطوح مختلف و مقیاس‌های مرتبط در سیستم‌های دینامیکی پیچیده استفاده می‌کند

توضیحاتی درمورد کتاب به خارجی

This self-contained text develops a Markov chain approach that makes the rigorous analysis of a class of microscopic models that specify the dynamics of complex systems at the individual level possible. It presents a general framework of aggregation in agent-based and related computational models, one which makes use of lumpability and information theory in order to link the micro and macro levels of observation. The starting point is a microscopic Markov chain description of the dynamical process in complete correspondence with the dynamical behavior of the agent-based model (ABM), which is obtained by considering the set of all possible agent configurations as the state space of a huge Markov chain. An explicit formal representation of a resulting “micro-chain” including microscopic transition rates is derived for a class of models by using the random mapping representation of a Markov process. The type of probability distribution used to implement the stochastic part of the model, which defines the updating rule and governs the dynamics at a Markovian level, plays a crucial part in the analysis of “voter-like” models used in population genetics, evolutionary game theory and social dynamics. The book demonstrates that the problem of aggregation in ABMs - and the lumpability conditions in particular - can be embedded into a more general framework that employs information theory in order to identify different levels and relevant scales in complex dynamical systems

فهرست مطالب

Front Matter....Pages i-xiv
Introduction....Pages 1-10
Background and Concepts....Pages 11-33
Agent-Based Models as Markov Chains....Pages 35-55
The Voter Model with Homogeneous Mixing....Pages 57-82
From Network Symmetries to Markov Projections....Pages 83-107
Application to the Contrarian Voter Model....Pages 109-126
Information-Theoretic Measures for the Non-Markovian Case....Pages 127-155
Overlapping Versus Non-overlapping Generations....Pages 157-175
Aggregation and Emergence: A Synthesis....Pages 177-186
Conclusion....Pages 187-195