ExtendSim中基于智能体的建模Agent-Based

基于智能体的建模

大多数仿真模型表示系统或过程，其中系统或过程组件的行为是已知的或可以预先估计的。基于智能体的模型是一个特例 - 您通常事先不知道模型动力学;相反，您可以从模型中智能体的交互中获取该信息。

基于智能体的仿真使用自主的单个决策实体（称为智能体），这些实体与其指定区域内的其他智能体进行交互。智能体是可能与系统或流程相关的任何内容 - 车辆、人员、产品、文件等。根据智能体的个人行为，整个系统或过程的动态就会出现。每个智能体都有一套规则要遵循，但它们也具有一定程度的自主性，因此无法预定义模型动态。这是因为智能体可以具有智力、记忆力、社交互动、情境和空间意识以及学习能力。

基于智能体的模型具有以下特征：

• 模型中各个实体或智能体的标识。
• 一组管理个人行为的规则。
• 局部实体相互影响行为的前提。

---

在 ExtendSim 中创建基于智能体的模型

基于智能体的建模中使用的智能体被编程为 ExtendSim 模块。模块及其包含的数据在模型中具有唯一的可搜索标识和位置。ExtendSim 数据库和 ExtendSim 函数可以查找消息并将其发送到具有特定特征、位置和值的模块。这样可以很容易地创建智能行为，促进模块到模块的交互，并导致模块在模型中移动、添加或删除。

例如，在构建基于智能体的化学品泄漏机器人清理模型时，您可以使用控制器模块中的模块间通信功能来定位模型中的所有机器人清理模块。控制器可以向机器人发送消息，要求它们移动到溢出物并清理它。机器人可以向控制器发送消息，说明它们是否可用或目前正在充电，以及它们是否离化学品泄漏太远或足够近而没有用。脚本和动画功能将显示机器人块在模型中物理移动以及溢出物被移除。

让我们看一个案例，该案例研究了设施设计对医院重症监护室 （ICU） 的影响。使用 ExtendSim，可以通过查看 ICU 护士在请求帮助照顾患者时如何相互交互来比较不同的设施设计。

 

在基于智能体的模型中，当患者请求帮助时，护士（智能体）从闲置过渡到帮助患者。有时，与患者在一起的护士会向当前闲置的另一名护士寻求帮助。这将迫使两个护士智能体的状态发生变化：

• 一名护士智能体从我正在帮助我的病人过渡到另一名护士正在帮助我。
• 当第二个智能体从闲置过渡到我正在帮助另一名护士时。
• 当帮助任务完成后，两个护士智能体将过渡到他们的空闲状态并继续他们的下一个任务。

ICU 模型以状态图开始。智能体最初是空闲的，然后过渡到帮助患者或其他智能体。有时，智能体会从帮助患者过渡到由另一位智能体协助。使用动态仿真，可以使用规则对智能体行为进行建模，并控制从一种状态到另一种状态的转换。

最佳设施布局可以根据智能体在每个设施设计中的相互作用方式来确定。

ICU 模型是一个说明如何使用 ExtendSim 构建基于智能体模型的很好的简单示例。分解动态模型：

• 每个护士智能体都建模为项目，但它们的属性与其当前智能体状态一起包含在数据库表中。
• 根据智能体的当前状态，智能体保存在各种Queue Equation 模块 (Item 模块库)中。这些Queue Equation 模块将在智能体从一种状态过渡到另一种状态时释放它们。
•  Link Alert 模块 (Utilities 模块库)用于跟踪数据库位置的数据或结构何时发生更改。

---

基于智能体的模型示例

为繁忙的披萨制作企业设计商业厨房是需要基于智能体的建模的另一个很好的例子。厨房包含披萨烤箱、储藏、准备、切割和暂存区。工作人员在准备、烹饪、切割和布置比萨饼时从一个工作站前往另一个工作站。您如何优化厨房的披萨产量，同时定位工作站，使工作人员不会相互冲突？将其构建为一个作业车间模型，模拟工作人员在按需制作和烘烤比萨饼时的活动，同时了解何时何地移动。

厨房细节

订购比萨饼时，生产请求会被放入厨房工作人员的队列中。每个生产请求都包含制作每个比萨饼所需的一组有序活动。这个厨房有 4 名工作人员，包括厨师，他们每个人都能够执行制作比萨饼所需的任何活动。每项活动都由第一个空闲的工作人员执行。随着订单的增加，工作人员从一个活动转移到下一个活动，从而智能地减少了活动之间的等待时间。

基于智能体的模型检查厨房员工从一个工作站到另一个工作站的移动。厨师（在本例中以彩色圆圈的形式动画）从一个工作站移动到另一个工作站，以便他们采取最短的行程距离，同时避免与厨房工作站设备和其他厨房工作人员发生碰撞。

 

案例研究

基于Agent智能体的疾病监测和传播模型

Thomas Edmunds，COVID 系统分析小组

劳伦斯利弗莫尔国家实验室

2021 年 12 月

SARS-CoV-2 大流行促使了对模型的需求，这些模型可以预测人群之间的传播，并测试拟议的控制措施（如检测、隔离、疫苗接种和非药物干预措施）的有效性。本报告描述了一种主要基于智能体的混合方法，但利用常微分方程 （ODE） 模型的 Ro 和时间框架来估计感染率并减少数据需求。开发的 ExtendSim 模型旨在为有关测试和检疫政策和技术的管理决策提供信息。

点击下载论文https://download.csdn.net/download/qq_18281327/85094392

 

房地产生命周期中的使用强度 - 量化使用强度仿真

邓淑静，慕尼黑工业大学

4月3日， 2020

要真正估计建筑物的生命周期，重要的是要找到一种方法来量化其各个组件的使用强度。一般来说，许多因素都会影响建筑物中组件的寿命，例如产品质量、维护和访客与建筑物组件的交互，但是在用户结构和交互过于复杂而无法分析的建筑类型中，例如在购物中心中，您如何做到这一点？使用 ExtendSim，邓淑静创建了一个基于智能体的真实购物中心模型，该购物中心在两层楼上有 100 多家商店。通过加入决策机制的逻辑，对顾客与商场内主要建筑构件之间的所有交互进行监控，观察商场内用户与空间关系的动态，揭示建筑构件的使用强度。在不同的场景中，仿真结果表明，建筑构件的使用主要取决于商场中与对象交互的消费者总数。

点击下载论文https://download.csdn.net/download/qq_18281327/88805245