Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
2010/04/28 IK Szakest, Ágens-alapú szimulációk
1. Ágens-alapú szimulációk Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem Programozási nyelvek és fordítóprogramok tanszék Az informatika alapjai és módszertana doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás IK Szakest - 2011. április 28.
2. Kivonat Bevezetés Alapfogalmak: ágens, ABM, motiváció Példák Projectek Eredmények Összefoglalás 2011. április 28. 2 Legéndi Richárd Olivér, IK Szakest
3. Kutatási irányok Ágens-alapú szimulációk Háttér: sokszor egy hálózat Ismertségi, publikációs kapcsolat, táplálkozási lánc, ... Dinamikus hálózatok Dinamikus folyamatok Információ-, betegségterjedés, ... Időben változó hálózatok 2011. április 28. Legéndi Richárd Olivér, IK Szakest 3
4. Ágens? 2011. április 28. Legéndi Richárd Olivér, IK Szakest 4 Replicator (Stargate)
5. Ágens-alapú modellezés (ABM) Ágens: önálló döntéshozó Komplex rendszerek számos, egymással kölcsönhatásban lévő szereplővel Alulról felfelé építkező számítási modell Emergens globális (makro) jelenségek vizsgálata lokális (mikro) szabályok meghatározásával
6. Ágens-alapú modellezés (ABM) Az ágensek általában: Függetlenek Saját döntéseket hoznak Tanulnak, alkalmazkodnak a környezethez Meghatározott topológia szerint kommunikálnak(grid, speciális hálózatok, stb.) Nem jósolni szeretnénk Viselkedési minták alapján következtetések
7. Motiváció – Példa „The economy needs agent-based modelling -The leaders of the world are flying the economy by the seat of their pants, say J. Doyne Farmer andDuncan Foley. There is, however, a better way to help guide financial policies. In today’s high-tech age, one naturallyassumes that US President BarackObama’s economic team and its international counterparts are using sophisticated quantitative computer models to guide us out of the current economic crisis. They are not.” J. Doyne Farmer andDuncan Foley The economy needs agent-based modelling Nature Vol. 460, 6 August, 2009 2011. április 28. Legéndi Richárd Olivér, IK Szakest 7
8. Közgazdaságtan Jelenleg használt modellek: Ekonometrikus Statisztikai modellek Idősorelemzés: a múlt adataira illesztés Kiváló előrejelző nagyjából azonos változások esetén „Dinamikus sztochasztikus általános egyensúlyi” Tökéletes világot feltételeznek... ... amiben a válsághoz hasonló fogalom nem is létezik Heterogenitás, spekulációk, személyes preferenciák, nem racionális szereplők...? 2011. április 28. Legéndi Richárd Olivér, IK Szakest 8
9. A miérteket folytatva Reprezentatív felől elmozdulhatunk heterogén szereplők felé Bonyolultabb folyamatokat leírni esetenként makro szinten nehéz – ha nem lehetetlen Az ABM megközelítés sokkal kézenfekvőbb az általánosan bevált matematikai eszközöknél 2011. április 28. Legéndi Richárd Olivér, IK Szakest 9
11. Demo – Schelling-féle szegregáció 2011. április 28. Legéndi Richárd Olivér, IK Szakest 11 http://ccl.northwestern.edu/netlogo/models/Segregation
12. Miért lehet érdekes? Kis létszámú, de roppant heterogén kutatóbázis Szociológusok, epidemológusok, közgazdászok, biológusok, politológusok, ... Komoly szükség van a jól képzett informatikusokra 2011. április 28. Legéndi Richárd Olivér, IK Szakest 12
13. Projectek ELTE IKKK GVOP-3.2.2-2004.07-005/3.0 (2007) Emergence In the Loop, EMIL EC FP6 STREP #033841 (2007-2009) QosCosGrid, QCG EC FP6 STREP #033883 (2006-2009) TÁMOP TÁMOP-4.2. 1/B-09/1/KMR-2010-0003 ELTE-Soft KMOP-1.1.2-08/1-2008-0002 2011. április 28. 13 Legéndi Richárd Olivér, IK Szakest
14. Fables Functional Agent-Based Language for Simulation Szimulációs nyelv és Eclipse-alapú keretrendszer Bartha Sándor, Legéndi Richárd (MSc) Keszthelyi Balázs (BSc) ~5-6 publikált cikk https://fables.aitia.ai https://mass.aitia.ai/fables 2011. április 28. Legéndi Richárd Olivér, IK Szakest 14
15. Traffix Közlekedési szimulációkhoz kifejlesztett ágens-alapú környezet Bálint Balázs (MSc, könyvfejezet, +2-3 cikk) http://www.youtube.com/user/balintba Diamant Péter (MSc) Tóth Vivien (BSc) Dósa László, Barna Zoltán http://traffix.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest 15
16. TaxSim Adóelkerülés szimulátor MTA Közgazdaságtudományi partnerekkel Szabó Attila (~4-5 publikált cikk) http://taxsim.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest 16
17. Szimulációs módszertan Design of Experiments Iteratív kiértékelő algoritmus (IUI) Szabó Attila (PhD) 2011. április 28. Legéndi Richárd Olivér, IK Szakest 17
18. GridABM Fizikai korlátok: Számítási kapacitás, memória Automatikus párhuzamosítást támogató modellsablonok Ágensek számának növelése griden történő futtatással Ne jelentsen többlet munkát a párhuzamos változat elkészítése Szemes Gábor (MSc, ~10 előadás/publikáció) http://gridabm.sourceforge.net/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest 18
22. Társadalmi hálózatok Interakciós topológia Szomszédság Tipikus tulajdonságok: „Kisvilág” Klaszterezettség Skálafüggetlenség (power law) Ezekre alapvető modellek: Erdős-Rényi (1., ha összefüggő) Watts-Strogatz (2., lehet 1. is) Barabási-Albert (1., 3., de nem 2.) ... 2011. április 28. Legéndi Richárd Olivér, IK Szakest 22
23. Hálózatelemzés Cséri Tamás: Ritka hálózatok robusztusságának szimulációs vizsgálata a sűrűség függvényében(OTDK) Dinamikus hálózatok Statikus modellek: pillanatfelvétel Minden hálózat változik A kumulatív hálózat tulajdonságainak vizsgálata 2011. április 28. Legéndi Richárd Olivér, IK Szakest 23
24. Összefoglalás Eddigi eredmények Ágens-alapú szimulációk eszközeinek összehasonlítása Formális lehetőségek ágens-alapú szimulációk leírására Ágens-alapú szimulációk elosztott futtatásának lehetőségei Alapvető dinamikus hálózatok vizsgálata További tervezett kutatási irányok Multicore rendszerek elemzése ágens-alapú renszerek szempontjából Elosztott futtatások további vizsgálata Időben változó hálózatok GSoC 2011 – Repast Simphony Fujita-Krugman-Venables modell ágens-alapú implementációja 2011. április 28. 24 Legéndi Richárd Olivér, IK Szakest
25. Érdeklődőknek Dr. Gulyás László felvehető órái az ELTE-n: Társadalmi rendszerek számítógépes szimulációja 1-2http://hps.elte.hu/~gulya/Teaching/TarsSzim/TarsSzimu2.htm A hálózatok világábanhttp://hps.elte.hu/~gulya/Teaching/Halovilag/Halovilag.html Haladó hálózat-elemzés (angol nyelvű olvasószeminárium) Szoftvertech laborhttp://distributedabm.elte.hu/ Ágens Portálhttp://www.agent.ai/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest 25
26. Gyakorlati felhasználási területek Filmek (ld. Gyűrűk Ura csatajelenetei) Logisztikai feladatok (ld. Vehicle Routing Problem) Döntéshozóknak eszköz lehet Okostelefonok Ld. Google + Android + Maps = dugófigyelés 2011. április 28. Legéndi Richárd Olivér, IK Szakest 26
28. Köszönöm a figyelmet! Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem Programozási nyelvek és fordítóprogramok tanszék Az informatika alapjai és módszertana doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás IK Szakest - 2011. április 28. 2011. április 28. 28 Legéndi Richárd Olivér, IK Szakest
Editor's Notes
Arról tudok beszélni, amivel én találkoztam, foglalkoztam az egyetemen, ez pedig az ABM.
Valamekkora szabadságfokkal megáldott kis entitánsokNincs teljes információPraktikusan szoftver komponensek
Remélem nagy hülyeséget nem mondok, ehhez kevésbé értek...Haszigorúan vesszük...Vannak faktorok, amelyekkel egyszerűen nem tudnak mit kezdeni ezek a módszerekEz egy példa a sok közül...
Tovább haladva a miértek felé, általánosságban...
Politikai korrektség jegyében...Első alapmodellek egyike, ’70-es évek, 2005-ben Nóbel-díj a társadalmi jelenségek játékelméleti elemzése kapcsánSakktáblán „futott”Tórikus, nincs új ágens, jól érzi magát, ha..., toleranciaszint; Lépés: körönként mindegyik, véletlen sorrendben, dupla bufferelésselAzonban mégis van értelme, hiszen rámutat valamire: nem garancia egy társadalomban, hogy a magas toleranciaszint nem vezet szegregációhoz.Természetesen rengeteg kritika érheti a modellt: Miért egyformák a házak? Mi az, hogy az ember véletlenszerűen költözködik? Ráadásul ki az, aki naponta/hetente költözésre buzdítja az egész családját? Van olyan ember, aki megnézi a szomszédait, és ha nem szimpatikusak neki, akkor fogja a sátorfáját, és elköltözik?A modell tulajdonságait, feltételeit variálva elemezhetjük a szimulációt
Azon a nyilvánvaló előnyön kívül, hogy az ember kutathat, akadémiai szférában tevékenykedhet...Tervben lévő konferenciák: Anglia, Guildford; Portugália, Liszabon; Montpellier, Franciao.; Bécs
EMIL: normák kialakulása (Wiki, Hume – csoportok kialakulása, piacok vannak, reputáció alapján, NR - normakövetés)
Befejezett dolgozatok, ELTE-hez köthető tanulókkal együtt készített publikációk
Sávok, lámpák, különböző viselkedésű vezetők...Bazsi:ColbudDiamant a hatrafele terjedo dugokat modellezniMargit sziget, etc.
Nem jóslás problémaköre: nem azt akarjuk megmondani, mi az „optimális” helyzet, hanem olyan tanulságokat levonni, hogy pl. van-e értelme a sűrűbb ellenőrzéseknek, mert az szignifikánsan módosítja-e az adófizetést, stb.
„hiperkocka” x2^6 6 paraméter, 2-2 értékkel (random)Faktoroknak külön-külön, párban, hármasokban, etc. – de egy szinten felül már nem (elhagyunk
Gyakorlati Java ismeretek, ipar számára is hasznosak: ProActive, JavaSpaces, RMI, SGE, Hadoop, GridGain, Terracotta, etc.
Nem nodes meg edges, hanem actorok meg relációk
N csúcs esetén a legrövidebb utak hossza arányos logN-nelBetegségek + klaszterezettségSkálafüggetlen: sexnetFelhívnám a figyelmet a nevekre... + Albert rékaFertőzés, oltás 0.005% esély bénulásra; USA: 300
Hálózat hány, hogy, milyen komponensekre esik szétER, BA, WS-hoz jellegükben hasonló modellek