Szimuláció, mint vizsgálati-tervezési eszköz I I .

Szimuláció, mint vizsgálati-tervezési eszköz II. Gulyás László AITIA International Rt. lgulyas@aitia.ai Ágensek és multi-ágens rendszerekKurzus az ELTE programtervező-matematikus hallgatóinak

Napirend • „Tudományfilozófia” • Modellezés, mint vizsgálati eszköz • A szöveg, a matematika és a komputáció három formalizmusa • Validáció és verifikáció • Módszertan / Tutorial • A replikáció, a reprodukálhatóság fontossága • A pszeudó-véletlenszámok kezelése (független eloszlások, seed, etc.) • Robosztusság, érzékenység-analízis • Statisztikai alapú eredmények és konfidencia-intervallumok • „Parameter-sweep” és batch-módú futtatás • Az obszerver és a modell különválasztása • Egyéb apróságok • Újabb példák… • … és példák hibás megoldásokra. • Beadandó feladatok kiosztása. Ágensek és multi-ágens rendszerek

Modellezés,avagy mit látunk? • Mit taníthat egy pohár víz (statisztikus fizika)? • Absztrakció • Metafóra • Emergens jelenségek Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 1/5 • Lexikális ismeretek és szöveg-alapú („spekulatív”) elméletek. • Vaskos könyvek és véget nem érő viták. • Az érvelés központi szerepe. • Példák: • Marx: Tőke • Kínaszakértők a Weatherhead Center-ben • Fukuyama és Huntington (v.ö. 9/11) • Brezinski „sakktáblája” (v.ö. Condolezza Rice) Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 2/5 • „Soft” vs. „Hard” science. • Az egységes formalizmus „rangja” és tömörsége. • („Az egységes nyelv”.) • A reprodukálható kísérletek lehetősége. • Az elméletek „tesztelhetősége”. (*) • Marx tévedése (G. Silverberg nyomán) • „A társadalomtudományok az igazi » hard« tudományok”. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 3/5 • A (társadalom) tudományok „matematizálódása”. • Statisztika „mindenekfelett”. • Játékelmélet. • Axelrod és az Iterált Fogolydilemma (IPD). Ágensek és multi-ágens rendszerek

Illusztráció: Statisztika • Alkohol, dohányzás, orális szex, szájrákDátum: 2004. 02. 27. [11:35]Francia kutatók szerint az orális szex akár szájrákhoz is vezethet: több szájrákos páciensük szervezetében is kimutatták a humán papilloma vírus (HPV) jelenlétét. A szájrákban szenvedők háromszor gyakrabban éltek az orális szex által nyújtott örömökkel, mint egészséges társaik. (http://www.patikamagazin.hu) Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet1/3 • A Hotelling-probléma (H. Hotelling, 1929): • Két jégkrémárus a tóparton. • Egyforma jégkrémek. • Vevők sűrűsége egyenletes. • Mindenki a legközelebbi árushoz megy. Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet2/3 • Mindkét árus megszerzi a piac felét. • A vevők által megteendő átlagos út hossza minimális. Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet3/3 • Csak nem stabil… Ágensek és multi-ágens rendszerek

Illusztráció: Fogolydilemma Oszlop: C D C 3,3 0,5 Sor: D 5,0 1,1 Ágensek és multi-ágens rendszerek

Illusztráció: Iterált fogolydilemma (IPD) • Ld. Mérő László: „Mindenki másképp egyforma” • Axelrod és az ő versenye. • A Tit-for-tat meglepő sikere. • A TFT ismételt sikere… Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 4/5 • További problémák • Bizonyos kísérletek nem elvégezhetőek: • Counter-faktuálisok a statisztikában • Emberi alanyok • Bonyolultsági problémák (pl. játékelméletben): • A szereplők száma (IPD-variánsok 3 (!) szereplővel). • Kommunikációs-topológiák. (Mindenki mindent tud.) • Dinamikus populációk. (Márpedig nincsenek.) • Végtelen tudás… • Egyensúly vagy trajektória? • Ld. Hotelling. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 5/5 • In Silico modellek és kísérletek • Pl. ágens-alapúak. • „If you didn’t grow it, you didn’t explain it.”(J. M. Epstein) • Mégsem minden matematika. • Azaz… Ágensek és multi-ágens rendszerek

Tudományfilozófia II/1. Ágensek és multi-ágens rendszerek

Tudományfilozófia II/2. Ágensek és multi-ágens rendszerek

Tudományfilozófia II/3. • Vagyis, az ábrázolás lényeges. • Avagy mégis számít a nyelv. • Így hiába „minden matematika”: • „Experimental Maths” • „Experimental Computation” • „Computational Modeling” • Ágens-alapú és egyéb módszerek. Ágensek és multi-ágens rendszerek

A reprezentáció lehetséges szintjei • Természetesen mindig, mindenre sok lehetséges és érvényes modell van… Ágensek és multi-ágens rendszerek

Ágensek és multi-ágens rendszerek

Ágens-alapú modellezés és szimuláció • Az egyik „in silico” módszertan. • Nem csupán egyensúlyi helyzetek vizsgálata. • Alulról-felfelé (bottom-up) megközelítés.(**) • Ebből következően kognitív korlátok. • Interakciós topológia explicit modellezése. • Ki kitől, mit tud. • Heterogén populáció. • Dinamikus populációk. • Ha nincs explicit reprezentációnk a kognitív képességekre és az interakciós topológiára, akkor nincs modellünk. Ágensek és multi-ágens rendszerek

A számítógépes szimuláció „hasznáról” • Modell-validálás: összehasonlítás • Predikció • V.ö. Globális felmelegedés (pl. Római Klub) • Szimuláció • V.ö. Wright testvérek • Magyarázat (gondolatkísérlet) • V.ö. Schelling és Axelrod Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:REPLIKÁCIÓ mindenek felett • Tudományos kísérletek (tesztek és replikálásuk) • Ergo, valódi (kontrollálatlan) parallelizmus kizárva. • Probabilisztikus modellek • Alapvető eszköze a „nem modellezett” komponensek reprezentációjának. • Ergo, pszeudo-véletlenszámok (RNG-k). • A „seed” kontrollálása!! • Független változókhoz független RNG-k!! • Teljes specifikáció • Pl. standard gyakorlat, hogy több maximum/minimum közül véletlenszerűen választunk. • DE: le kell írni, és dönteni kell (nem csak, ahogy jön!) Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:Eredmények generálása és kezelése • Az eredmények természete statisztikus • Egy futás nem futás. • Érzékenység-analízis, konfidencia-intervallumok. • „Parameter Sweep” • Az eredmények függése a „kezdeti feltételektől” (paraméterektől). • Nagy, sokdimenziós paraméterterek. • Mintavétel. • Nem-lineáris függés a paraméterektől, ezért nem szerencsés „indukálni”, extrapolálni. • Az Active Non-linear Tests (ANTs) és hasonló „trükkök”. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:Eredmények generálása és kezelése II. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:Eredmények generálása és kezelése III. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:A Model és az Obszerver(ek) szétválasztása • Alapvető fontosságú!! • A kísérleti tudományokban magától értetődik. • A számítógépes szimulációk gyakorlatában a Swarm-tól datálódik. • Általában több obszerver van. • GUI • Batch1 • Batch2 • … • FONTOS!! • Az obszerverekben használt RNG-k (pl. hálózatok megjelenítő-algoritmusai, fájlnév-generálás, stb.) legyenek függetlenek a modellben használtaktól!! Ágensek és multi-ágens rendszerek

Az ABM gyakorlata:Egyéb apróságok • Véletlen eloszlások • Egyenletes, Normál, stb. esetén a szimulációs csomagok általában korrekt és hatékony megvalósítást nyújtanak. • Egyedi/bonyolultabb eloszlások az egyenletes elo.-ból generálhatóak: az „intervallum-módszer”. • Ne keverjük az ágens és a modell (pl. a környezet) kódját! • Tegyük az ágensbe, ami odavaló  replikálhatóság, olvashatóság! • Java-ban: a HashSet/HashMap nem garantálja a bejárási sorrendet!! • A hashCode() implementálása. 0 10 15 22 24 32 10 5 7 2 8 Ágensek és multi-ágens rendszerek

RePast • “How-to”-k • SimpleModel vs SimModelImpl • Ütemező: • Reflexió vs Belső osztály. • Obszerverek • Reflexió, Belső osztály, Anoním osztály • Paraméter-fájlok, formátumok. • Get/Set-ek • Példa: • ExperIPD Ágensek és multi-ágens rendszerek

Szimuláció, mint vizsgálati-tervezési eszköz I I .