В предыдущих разделах показано, что всегда можно разработать агент-ную модель, эквивалентную заданной системно-динамической модели или дискретно-событийной модели. Однако всегда ли нужно переходить к агентам в моделировании?
Многие процессы, например экономическую конъюнктуру или изменение потоков инвестиций, удобно описывать с помощью известных и проверенных системно-динамических моделей. Простые системы массового обслуживания лучше моделировать традиционными средствами из блоков библиотеки Enterprise Library. Если индивидуальное поведение отдельных объектов не является существенным в системе, то при построении модели этой системы следует, конечно, использовать традиционные подходы: модель системной динамики или дискретно-событийную модель. В то же время существуют проблемы, решение которых в рамках этих традиционных парадигм невозможно. Например, при разработке модели распространения новых продуктов Франка Басса, построенной в главе 13, мы абстрагировались от поведения покупателей: индивидуальное поведение объектов системы — это именно то, от чего абстрагируется разработчик, используя парадигму системной динамики. Поэтому в модели Басса нельзя выразить, например, зависимость эффективности "устной рекламы" продукта от времени, прошедшего с момента покупки каждым конкретным агентом — распространителем сведений о своей новой покупке. Если этот фактор является существенным для конкретных условий и конкретного продукта, то не учитывающая его системно-динамическая модель будет неадекватной и, следовательно, бесполезной. В то же время можно очень просто построить агент-ную модель, учитывающую такую зависимость.
Два этих совершенно различных подхода, системная динамика и агентный подход, получили образные названия "моделирование леса" и "моделирование деревьев" [SM00]. Каждый из подходов имеет свои плюсы и минусы. Однако во многих случаях именно "моделирование деревьев", т. е. рассмотрение системы как совокупности взаимодействующих активных объектов, дает более полную и качественную модель. Например, в исследованиях рынка и социальных процессов важной проблемой является нахождение и объяснение законов регулирования процессов: какие глобальные законы динамики возникают и являются устойчивыми в таких системах даже при отсутствии централизованного планирования и управления, как меняются эти законы при изменениях в поведении и предпочтениях индивидуальных активных объектов, как сочетаются законы стихийного рынка и законы планирования? Законы движения социосистемы, выведенные интегрированием характеристик индивидуального поведения объектов, являются обычно более точными, чем законы, сформулированные исходя из общих предположений о поведении всей интегральной совокупности объектов. Известно, что у сложной системы возникают так называемые "эмерджентные" свойства, т. е. такие свойства, которых нет у отдельных частей системы и которые проявляются только в целой системе. Этот факт весьма существенен для социальных и организационных систем, которые составляют основу экономических систем. Эмерджентные свойства как раз и могут быть выявлены с использованием агентных моделей.
Во многих случаях модель можно строить по-разному, применяя различные парадигмы моделирования. Например, для анализа динамики популяции можно строить как системно-динамическую модель, описывая потоки рождения/смерти и миграции, так и агентную модель, описывая индивидуальную продолжительность жизни, семейный статус и т. д. При решении одних проблем традиционные подходы более предпочтительны: соответствующие модели проще построить и они обычно более эффективны. При решении других проблем более удобны и адекватны агентные модели, несмотря на то, что их строить труднее и они обычно требуют больше вычислительных ресурсов для выполнения. Можно только утверждать, что к проблемам, которые должны решаться с помощью агентных моделей, относятся все те, в которых индивидуальное поведение объектов системы нельзя не учитывать при построении модели.
Заключение
Как было показано в этой главе, важная особенность AnyLogic, вытекающая из возможности реализации на одной платформе идей различных подходов и парадигм моделирования, заключается в том, что при использовании данного программного продукта разработчик модели не связан узкими рамками только одной парадигмы, он может выбрать любую, наиболее подходящую для решения данной задачи. Но более интересным и важным преимуществом AnyLogic является то, что в рамках одной разработки можно использовать различные подходы, стили и парадигмы моделирования, смешивая их для построения наиболее ясной и адекватной модели. Например, конкурентную борьбу нескольких компаний в узком секторе производства удобно строить как агентную модель, представляя модель экономического развития региона в рамках системно-динамической парадигмы. Таким образом, при построении реалистичных моделей для решения сложных проблем нужны подходы и инструменты моделирования, позволяющие совмещать при разработке одной модели различные парадигмы и стили моделирования. Как вытекает из предыдущего изложения, AnyLogic позволяет легко комбинировать различные подходы к моделированию.
Выбор стиля и концепций при разработке модели, продумывание структуры будущей модели и выбор наиболее подходящей парадигмы представления отдельных частей будущей модели, а также приемы комплексирования моделей, разработанных в различных стилях, выходят на первый план при использовании AnyLogic. Обсуждение всех этих вопросов приведено в работе [АБ04].
Часть V
