Агентное моделирование

Агентное моделирование предполагает работу с децентрализованной моделью. В такой модели нет единой точки, определяющей поведение системы в целом. Агентная модель состоит из множества индивидуальных объектов (агентов) и их окружения. Поведение системы описывается на индивидуальном уровне; глобальное поведение рассматривается как результат совокупной деятельности агентов, каждый из которых действует сообразно собственному «уставу», существует в общей среде, взаимодействует со средой и другими агентами. Для описания поведения агентов используются карты состояний, являющиеся стандартным инструментом UML.

Для систем, содержащих большое количество активных объектов с отчетливо выраженным индивидуальным поведением, агентное моделирование является более универсальным подходом, т. к. позволяет учесть структуру и поведение любой сложности.

Другое важное достоинство агентного моделирования — возможность разработки модели даже в отсутствие априорной информации о глобальных зависимостях. Зная индивидуальную логику поведения участников процесса, можно построить агентную модель и спрогнозировать ее глобальное поведение. Помимо этого, агентная модель проще в сопровождении, поскольку уточнения вносятся на локальном уровне по мере накопления данных.

Концепция агентного моделирования позволяет осуществить переход от моделей системной динамики и дискретно-событийных моделей к агентным моделям с помощью процедуры конвертации. Для системно-динамических моделей может потребоваться деагрегация накопителей на множества агентов (при условии активности и различимости этих агентов). В дискретно-событийных моделях индивидуальные объекты-транзакты также могут стать агентами (при условии децентрализации логики прохождения транзактов по моделировании, нельзя не упомянуть и некоторые другие подходы, не столь универсальные

Другие подходы

Так, группа зарубежных исследователей, усматривая аналогии между фундаментальными процессами взаимодействия молекул (перераспределение импульсов и энергии) и взаимодействия участников рынка (перераспределение денег и товаров), применили методы статистической физики к исследованию колебания цен на фондовом рынке. Более того, сравнительно давно было отмечено, что закономерности процессов обмена в экономических системах сходны с закономерностями равновесных состояний в термодинамике.

Существуют и узкоспециализированные методологии, предназначенные исключительно для моделирования и анализа бизнес-процессов, например, ARIS (Architecture of Integrated Information Systems). Организация в ARIS рассматривается с четырех точек зрения: организационной структуры, функциональной структуры, структуры данных, структуры процессов. Для описания бизнес-процессов предлагается около 80 типов моделей, каждая из которых отражает тот или иной аспект моделирования. Развитая репрезентативная графика делает модели в ARIS особенно удобными для представления руководству и принятия стратегических решений.

Относительно имитационного моделирования в рамках ARIS отметим, что модуль ARIS Simulation может быть использован для проведения динамических экспериментов в целях определения узких мест в реализации процессов (несогласованность параллельно выполняемых процессов, нехватка ресурсов и т. п.). Для этого предварительно требуется формализовать временные характеристики исследуемых бизнес-процессов. Возможно, более удобным в этом плане является программный комплекс MATLAB/Simulink, специально предназначенный для моделирования динамических систем.

ВЫВОДЫ

Присутствие в экономико-математических моделях материального, финансового и социального факторов требует применения различных инструментов на соответствующем модельном уровне. Так, производственно-технологические модели (традиционно рассматриваемые как системы массового обслуживания) неплохо моделируются дискретно-событийными средствами типа GPSS; финансовые модели хорошо вписываются в рамки системной динамики; для имитационного моделирования трудовых ресурсов может быть полезен агентный подход.

Следует отметить, что если традиционные подходы в имитационном моделировании практически не получили существенного развития за последние 40 лет, то в разработке программных систем произошли революционные изменения, радикально изменившие принципы работы со сложными системами. Концепции объектно-ориентированного проектирования и программирования, нашедшие свое воплощение в агентном моделировании, позволяют строить модели реальных систем (сложных, нелинейных, с обратными связями и стохастическим поведением) не только с помощью профессиональных аналитиков или программистов, но и силами самих пользователей, в терминах бизнес-процессов.

О том, какой из подходов в имитационном моделировании будет преобладать в ближайшие несколько лет, говорить еще рано — у каждого из них имеется достаточно емкая «ниша» на рынке — но преимущества агентного моделирования слишком впечатляющи, чтобы не оценить их в реальном проекте.

23