[A] (4 & 5) Agentenbasierte Modellierung V5 S. 18 & 19

• Das Verhalten eines Systems wird durch Modellierung der Agenten simuliert

• Dabei ist das Verhalten der Agenten bekannt

• Den Einfluss von Wechselwirkungen und Abhängigkeiten zwischen den Agenten identifizieren

• Der agentenbasierte Ansatz ist sowohl anwendbar / geeignet für

  • granulare Modellierungen

  • abstrakte Modellierungen

• Identifikation der Agenten eines Systems

• Es wird das individuelle Agentenverhalten modelliert

• Abtraktionslevel => agentenbasierte Ansatz ist sowohl anwendbar / geeignet für

  granulare als auch abstrakte Modellierungen

  • Geringes Abtraktionslevel => Maximale Detailtiefe => Micro / operative Ebene

  • Mittleres Abstraktionslevel => Mittlere Detailtiefe => Meso / taktische Ebene

  • Hohes Abstraktionslevel => Geringe Detailtiefe => Macro / strategiche Ebene

  • Schlussfolgerung => DDiskret kontinuierlich

• Aufgrund der stetig wachsenden Komplexität und Dezentralität

  • Individeulles Verhalten und Abhängigkeiten zwischen Agenten kann abgebildet werden

  • Komplexe und dezentrale Prozesse können abgebildet werden

  
  

• Die Modellierung eines Prozesses im Sinne einer Abfolge unterschiedlicher Subprozesse ist prinzipiell mit ereignisorientierter Simulation möglich

  • Individuelles Verhalten dieser Subprozesse bzw. der Agenten, die die Prozessabfolge durchlaufen, sowie deren Abhängigkeiten können jedoch nicht abgebildet werden

• eine Menge von Agenten, mit deren Attributen und Verhalten

• die Beziehungen zwischen Agenten und Regeln der Interaktion

• die Umgebung der Agenten

• Agentenbasierte Modellierung

  • Beschreibt ein Modell, in dem Agenten wiederholt miteinander interagieren, bis ein gewisser Endzustand erreicht wird

• Agentenbasierte Simulation

  • Simuliert lediglich den dynamischen Prozess der Interaktion

  • Nur Ausführen des Simulationsprogramms

• objektorientierten Ansatz

• Daher eignen sich UML-Diagramme zum konzeptionellen Design (prototyping , architecture design)

UML-Diagramm

• Ein Agent ist eine eindeutig identifizierbare Einheit, mit einem spezifischen Modellverhalten und Beziehungen zu anderen Agenten

• Ein Agent ist autonom und steuert sich selbst in seiner Umwelt

• Agenten sind modular oder abgeschlossen

• Agenten interagieren mit anderen Agenten

• Wichtg => Die Eigenschaften bzw. das Verhalten von Agenten sind abhängig von der Umgebung in der der Agent modelliert ist und umgekehrt

• Von der Umgebung in der der Agent modelliert ist und umgekehrt

• das Problem auf natürliche Weise durch Agenten dargestellt werden kann

• es Entscheidungen und Verhaltensweisen gibt, die genau definiert werden können

• es wichtig ist, dass die Agenten Verhaltensweisen haben, die das tatsächliche Verhalten von Individuen widerspiegeln (falls bekannt)

• es wichtig ist, dass Agenten sich anpassen und ihr Verhalten ändern

• es wichtig ist, dass Agenten lernen und sich in dynamischen strategischen Interaktionen engagieren

• es wichtig ist, dass Agenten eine dynamische Beziehung zu anderen Agenten haben

  • Agentenbeziehungen entstehen, verändern isch und zerfallenzerfallen

• Generelle Modelarchitektur

  • (1) Welche Objekte des Realsystems sind relevant

  • (2) Welche Bezeichnungen gibt es zwischen den Agenten

  • (3) Welche Topologie soll verwendet werden

  • (4) Gibt es globale Modellbestandteile

• Agentenverhalten

  • (5) Welche Events sind relevant und wie werden diese getriggert

  • (6) Wie verhalten sich die Agenten

  • (7) Wie interargieren Agenten miteinander

Modellierungsschritt 1: Welche Objekte des Realsystems sind relevant

• Alle Objekte des Realsystems, die:

  • Einen Einfluss auf den Verhalten des Systems haben

  • Deren Verhalten sich formal beschreiben lässt

  • Die zur Beantwortung der Fragestellung notwendig sind

Modellierung sollte immer so abstrakt wie möglich und so detailliert wie nötig sein

• Population von Agenten

• Einzelner Agent

• Agententyp (only)

• Sammlung einer Anzahl an Agenten des gleichen Typs, wobei jeder Agent einer individuell definier- und ansprechbare Instanz entspricht

  • z. B. Menschen, Maschinen , AGVs…

• Agenten können sowohl initial, als auch während der Laufzeit einer Population zugeordnet werden

• Eine einzelne konkrete Instanz

  • z. B. Fabrik, Lager…

• Es wird lediglich der Typ und dessen Attribute definiert ohne jegliche Instanziierung

• Drag and Drop

• Bei Anlage einer Population oder eines Agenten wird automatisch im Project der korrespondierende Agententyp angelegt

• Sämtliche Ausprägungen am besten im Main Agenten anlegen

• Bei Anlage einer Population oder eines Agenten wird automatisch im Project der korrespondierende Agententyp angelegt

• Im Main Agenten sammeln sich so alle Populationen und Agenten

• Beschrieben wird der Agent durch

  • Variablen

  • Parameter

  • Collections

• Agentenverhalten wird gesteuert durch

  • Funktionen

  • Events

  • State Charts

• Variante A => Population ist initial leer und die Agenten werden erst während der Laufzeit erzeugt und der Population hinzugefügt, durch:

  • einen SourceSource-Block

  • einen Code

• Variante B => Die Population enthält eine fest definiter Anzahl an Agenten

• Variante C => Die Population wird aus einer Datenbank geladen

Variante A

Variante B

Variante C

• Variante A => Population ist initial leer und die Agenten werden erst während der Laufzeit erzeugt und der Population hinzugefügt, durch:

  • einen SourceSource-Block

  • einen Code

Variante A

Variante B

Variante C

• Variante A => Population ist initial leer und die Agenten werden erst während der Laufzeit erzeugt und der Population hinzugefügt, durch:

  • links => einen SourceSource-Block

  • rechts => einen Code

• Variante B => Die Population enthält eine fest definiter Anzahl an Agenten

• Variante C => Die Population wird aus einer Datenbank geladen

Modellierungsschritt 2: Welche Beziehungen gibt es zwischen den Agenten?

• Connection Links => Verschiedene Agententypen können miteinander verbunden werden

• Ermöglicht „Vererben“ von Attributen / Eigenschaften / Charakteristiken

• Verbindung verschiedenet Agententypen

  • Es können verschiedene Agententypen anderen Zu- oder Untergeordnet werden

• Die Verknüpfungen können individuell definiert werden und zur Laufzeit des Modells dynamisch angepasst werden.

• Ermöglicht „Vererben“ von Attributen / Eigenschaften / Charakteristiken

  • Über Connection Links kann auf alle Attribute und Funktionen des verbunden Agenten zugegriffen werden

• Es können über die Link auswahl verschiedene Beziehungsverhältnisse zwischen Agenten initalisiert werden

  • Alle Kunden sind Personen aber nicht alle Personen Kunden

• Unidirektionale

  • Single Links

  • Collection of Links

• Bidirektionale

  • Single Links

  • Collection of Links

Dadurch können verschiedene Beziehungsverhältnise initailisert werden

• Single Links => verbindet den Agenten mit nur einem Agenten

• Collection of Links => Verknüpfung aus mehreren Agenten

  • sie verbindet den Agenten mit mehreren anderen Agenten

Dadurch können verschiedene Beziehungsverhältnise initailisert werden

• Unidirektionale => Einseitige Verknüpfung / Vererbung

  • Bsp.: Kind-Mutter, Chef-Untergebener, Kunde-Verkäufer, Produzent-Konsument

• Bidirektionale => Beidseitige Verknüpfung / Vererbung

  • Bsp.: Freundschaft, Familie

• Zugriff auf alle Attribute und Funktionen in den verbundenen Agenten (Vererbung)

• Beziehungen der einzelnen Agenteninstanzen können initialisiert werden

• Auslesen der jeweiligen Link Statistiken (Wie viele Kühe hat Besitzer x?)

• Links können jederzeit während der Laufzeit vernetzt oder aufgelöst werden

• agent.Link_Kuh_zu_besitzer.getConnectedAgent();

• Main.pop_Kühe.get(0).Link_Kuh_zu_besitzer besitzer;

• pop_Kühe.get(0).Link_Kuh_zu_besitzer besitzer;

Modellierungsschritt 3: Welche Topologie soll verwendet werden?

• Beschreibt die Umwelt in der die Agenten miteinander interagieren => Umwelt der Agenten

• Aktionen / Interaktionen / Informationsaustausch findet unabhängig von der verwendeten Topologie lokal statt

• Forderung nach Definition von lokaler Nachbarschaft

  • Agenten agieren dabei zu jeder Zeit in der Regel immer nur mit einer begrenzten Anzahl weiterer Agenten

  • Diese Beschränkung fordert die Definition einer lokalen Nachbarschaft

  • Die Definition der Nachbarschaft ist dabei nicht zwangsläufig durch räumliche Faktoren beschrieben

  
  

• Agenten agieren dabei zu jeder Zeit in der Regel immer nur mit einer begrenzten Anzahl weiterer Agenten

• Diese Beschränkung fordert die Definition einer lokalen Nachbarschaft

• Die Definition der Nachbarschaft ist dabei nicht zwangsläufig durch räumliche Faktoren beschrieben

• Agenteninteraktion

• die Zielstellung

• den Abstraktionsgrad

• die Datenverfügbarkeit

• Kontinuierlicher Raum

  • Euklidischer Raum (2D, 3D…)

  • Geographic Information System (GIS)

• Diskreter Raum

  • Zellularautomat

  • Netzwerk

• Ohne räumlichen Bezug

  • „Suppenmodel“

• Agenten agieren in einem euklidischen Raum und bewegen sich unter Berücksichtigung der Raumbeschaffenheit (z. B. Berücksichtigung von Hindernissen)

• Agenten bewegen sich und interagieren in einer georäumlichen Landschaft.

• Zellularautomaten repräsentieren das Verhaltensmuster der Agenten

• Die Agenten bewegen sich dabei auf einem Grid und interagieren auf Basis lokaler Informationen

• Die Zellen neben der besetzen Zellen bilden dabei die Nachbarschaft

• Zellen enthalten normalerweise maximal einen Agenten.

• Agenten bewegen und interagieren in einem Netzwerk

• Im Vergleich zur Grid-Topologie lässt sich die Nachbarschaft hier deutlich flexibler beschreiben

• Kanten und Knoten können danyamisch oder statisch sein

  • Statischen Netzwerkmodellen => bleibt das Netzwerk über die gesamte Simulationsdauer konstant

  • Dynamischen Netzwerkmodellen => passen sich die Knoten und Kantenmengen während der Laufzeit an.

• Agenten haben keinen Standort

• Modell hat keine räumliche Dimension

• Interaktion zwischen den Agenten findet dabei zufällig oder gesteuert aus einer Agentenmenge statt

• Nach der Interaktion kehren die Agenten wieder in den Pool zurück.

Modellierungsschritt 4: Gibt es globale Modellbestandteile?

• Globale Modellbestandteile können von allen untergeordneten Agententypen verwendet werden

  • werden also quasi „vererbt“

• Ziel => Vermidung von Redundanzen bei der Modellierung

  • Einsparen von Rechenleistung -> Relevant bei vielen Instanzen

• Beispiel => Der identische Pfadalgorithmus für Agententyp AGV und Forklift

• Bei der Modellierung können somit Redundanzen vermieden werden

  • Einsparen von Rechenleistung -> Relevant bei vielen Instanzen

Modellierungsschritt 7: Wie interagieren Agenten miteinander?

Modellierungsschritt 6: Wie verhalten sich die Agenten?

Modellierungsschritt 5: Welche Events sind relevant und wie werden diese getriggert?

Diskrete Ereignisse können auf unterschiedlichen Wegen definiert und terminiert werden.

• Die wichtigsten Elemente sind:

  • Events

  • Prozessmodellierungsblöcke

  • Zustandsgraphen ( State Charts)

• Dies beinhaltet das Triggern von Ereignissen durch:

  • Eintreten eines Ereignisses (Zeitpunkt, Zyklus, Zustand, etc.)

  • Ein Agent erreicht oder verlässt einen Prozessmodellierungsblock / State

  • Veränderung eines Zustands der mit einem bedingten Ereignis verknüpft ist

• State Charts

• Einfacheres Verhalten kann abgebildet werden über

  • Attribute

  • Variablen

  • Parameter

  • Diese können während der Laufzeit angepasst werden

• Durch

  • Attribute

  • Parameter

  • Actions

    • Bspw. bieten Prozessmodellierungsblöcke unter Actions die Möglichkeit, auf den durchlaufenden Agenten zuzugreifen und auf diesen Einfluss zu nehmen.

• Prozessmodellierungsblöcke bieten unter Actions die Möglichkeit, auf den durchlaufenden Agenten zuzugreifen und auf diesen Einfluss zu nehmen

• In Prozessmodellierungsblöcken

• Ein Attributwert kann Auswirkungen auf Funktionen bzw. Prozesszuweisungen während der Modelllaufzeit haben

  • Bspw. durch Entscheidungen in SelectOutput Blöcken auf Basis des Wertes eines Agentenattributs

• Eine Interaktion zwischen Agenten findet hauptsächlich durch die Kommunikation der Agenten statt (StateCharts)

• Kommuniaktion zwischen Agenten in StateCharts über send() Funktion statt

  • Erlaubt das Verschicken von messages zwischen Agenten.

  • Die Auswahl, an welche Agenten die message verschickt wird, kann bspw. durch die Funktionen randomFrom (), filter (), findFirst (), randomWhere (), etc. erfolgen.

• Über connections kann die Reaktion beim Eintreffen bestimmter Nachrichten bestimmt werden.

  • Über On message received kann genau definiert werden wie auf eine bestimmte Nachricht reagiert werden soll

• Kommuniaktion zwischen Agenten in StateCharts über send() Funktion statt

  • Erlaubt das Verschicken von messages zwischen Agenten.

  • Die Auswahl, an welche Agenten die message verschickt wird, kann bspw. durch die Funktionen randomFrom (), filter (), findFirst (), randomWhere (), etc. erfolgen.

• Über connections kann die Reaktion beim Eintreffen bestimmter Nachrichten bestimmt werden.

  • Über On message received kann genau definiert werden wie auf eine bestimmte Nachricht reagiert werden soll

• Verknüpfung von Agenten über Connections

  • Genauer gesagt müssen die Agenten in derselben Environment “leben”

• Die Verknüpfungen können individuell definiert werden und zur Laufzeit des Modells dynamisch angepasst werde.

• Über die definierten Connections kann die Kommunikation zielgerichtet an die verknüpften Agenten erfolgen

  • father.send(„Hi”) sendet bspw. die message „Hi“ an den Agenten der Connection father

Eine gezielte Kommunikation zwischen Agenten mit der send()-Funktion findet insbesondere über definierte Connections statt