Наглядным примером является оптимизированная модель супермаркета Sainsburys в западном Лондоне, разработанная компанией SimStore в 1999 году (13). Собрав статистику о предпочтениях посетителей и характерных для них путях следования в магазине, разработчики использовали агентный подход в сочетании с генетическими алгоритмами для улучшения расположения элементов супермаркета. Отметим, что решать подобные задачи аналитическими или статистическими методами крайне затруднительно, и агентное моделирование является одним из немногих возможных средств поддержки принятия решений.
Агентный подход хорошо применим для моделирования функционирования бирж. Результаты торгов зависят от поведения множества независимых людей с различными целевыми функциями, и их поведение логично моделировать в рамках агентного подхода. Подтверждением этому служит, например, модель Bios Group фондовой биржи NASDAQ (14). Модель измерения и минимизации операционных рисков управления активами банка Societe Generale (15) служит примером применения АМ в финансовых институтах и банках.
Бизнес-проблематику, где успешно применяется агентный подход, можно разделить на 4 класса (11). К первому относятся задачи с различного рода потоками. Они могут состоять из людей (проблемы пропускной способности помещений, эвакуации), единиц транспорта (моделирование городского трафика, планировки аэропортов, вокзалов). Часто для этого применяется дискретно-событийный подход. Если же объекты моделирования слишком разнородны или необходимо учесть их пространственное взаиморасположение, то использование агентного подхода предпочтительнее.
Выводы
Современные инструменты имитационного моделирования позволяют эффективно применять его не только в научных изысканиях, но и в качестве средства для построения систем поддержки принятия решений в бизнесе. Для достижения практически значимых результатов необходимо знать об особенностях и ограничениях каждого из трех существующих подходов.
Выбор той или иной парадигмы должен обуславливаться не столько предметной областью моделирования, а необходимой степенью детализации системы и имеющимися в распоряжении данными. Выбор инструмента моделирования при этом не столь первостепенен. Большинство современных программных средств сделает процесс симуляции удовольствием для разработчика, предоставив широкие возможности для анимации и оптимизации моделируемых процессов.
2.2. Поведение сложных динамических систем
Сложные динамические системы, хотя и имеют такие же основные определения, как и системы вообще, однако, они рассматриваются в динамике. Их изменение происходит как во времени, так и по составу элементов. Новые свойства в них рождаются благодаря развитию или рождению новых связей. Они обладают разнообразием таких связей, которые становятся контурами обратной связи, регулируя поведение систем.
Дадим некоторые основные определения теории динамических систем.
Глоссарий
Архетипы часто встречающиеся системные структуры, генерирующие определенные типы поведения.
Балансирующий цикл (контур, петля) обратной связи стабилизирующий, стремящийся к определенной цели регулирующий цикл обратной связи, также известный под названиями «отрицательная обратная связь», «петля отрицательной обратной связи», поскольку противодействует любому изменению, которое пытаются вызвать в системе внешние силы.
Пример. Чем сильнее реклама, тем меньше доверия к ней.
Цикл выравнивает, стабилизирует, противостоит изменениям в системе. Балансирующий цикл появляется практически всегда, как противостоящий усиливающему циклу и способствует самосохранению системы. Одновременно балансирующий цикл мешает инновационному развитию.
Динамика поведение системы или любого ее компонента во времени.
Динамическое равновесие состояние системы, при котором значение запаса (его уровень или величина) постоянно, не изменяется во времени, несмотря на имеющиеся входные и выходные потоки. Такое состояние возможно только в том случае, если сумма всех входных потоков равна сумме всех выходных.
Запас скопление определенного вещества или информации в системе по мере ее существования и функционирования. Запас изменяется в ходе функционирования системы. Его можно сравнивать по величине (больше\меньше). Существуют рациональные и иррациональные запасы. Рациональные могут быть измерены, для иррациональных единицы измерения отсутствуют. К примеру, это могут быть социальные системы, погода, настроение.
Пример. Чем сильнее реклама, тем меньше доверия к ней.
Цикл выравнивает, стабилизирует, противостоит изменениям в системе. Балансирующий цикл появляется практически всегда, как противостоящий усиливающему циклу и способствует самосохранению системы. Одновременно балансирующий цикл мешает инновационному развитию.
Динамика поведение системы или любого ее компонента во времени.
Динамическое равновесие состояние системы, при котором значение запаса (его уровень или величина) постоянно, не изменяется во времени, несмотря на имеющиеся входные и выходные потоки. Такое состояние возможно только в том случае, если сумма всех входных потоков равна сумме всех выходных.