個體為本模型

出自維基百科，自由嘅百科全書
跳去導覽 跳去搵嘢
大量嘅個體各自行動，形成整體嘅規律：

個體為本模型go3 tai2 wai4 bun2 mou4 jing4（英文：agent-based model / individual-based model，ABM / IBM）係電腦模擬上會用到嘅一種運算模型。一個 ABM 會建立一大柞虛擬嘅個體，每個個體都會跟某啲法則嚟行動，而研究者做呢種模擬嘅目的就係想測試「如果啲個體按噉噉噉嘅法則行動，佢哋整體會出現噉噉噉嘅現象」嘅假說[1][2]。

舉個例說明，想像家陣有位生物學家想研究一群同種嘅動物之間嘅互動，佢寫個程式，個程式會[3][4]

  1. 設若干（）咁多個模擬嘅個體；
  2. 每個個體都會按某啲法則（）行事，而個體之間可以有差異；
  3. 行若干時間，睇吓整體會唔會出現佢預想中嗰種現象，
  4. 如果會，佢就可以話「法則 可以解釋嗰種現象」。

ABM 呢種研究方法常用於生態學同社會科學：呢啲領域研究都成日會研究一大柞嘅個體－好似係人或者第啲動物呀噉－分別噉做決策，仲有係研究呢啲個體決策點樣引致一啲整體嘅現象[5]，而 ABM 仲造就咗唔少重大嘅發現[6][7]，例子可以睇吓重複監犯困境噉。

基本定位[編輯]

想像家陣設定 粒細胞；假想啲細胞每粒都淨係按自己規律行事；隨住時間演進，佢哋整體會出現咩規律呢？
內文：電腦模擬 同 科學運算
睇埋：物件導向編程

喺基本上，行 ABM 嘅程式做嘅嘢可以用以下呢幾個步驟總括[3][4]：

  1. 初始化，建構 個（離散嘅）個體（agent / individual），當中每個個體都掕住一啲參數數值表示佢嘅個體特性[註 1]。喺實際應用上， 嘅數值通常閒閒地係幾百。
  2. 將 設做 0。呢個變數代表時間。
  3. 喺呢個時間點 ，foreach 個體，按呢個個體嘅行動法則同埋特性（），計吓佢跟住落嚟嘅狀態會點變；
  4. 如果個模型涉及一啲整體性嘅變數，按啲個體嘅新狀態嚟計呢啲整體變數嘅新數值；
  5. t = t + 1（ 數值上升 1）；
  6. 一路係噉重複步驟 3 至 5，直至結束條件達到為止。

如果模擬結果係會出現研究者想要嘅某種現象，噉研究者就有理由作出一個論證，話「 嗰啲法則同特性可以解釋到嗰種現象點解會發生」－ABM 嘅最重要用途係

「
理解宏觀層面嘅現象點樣由微觀（個體）層面嘅行為嗰度創發（emerge）出嚟。
」

有關創發等概念嘅詳情，可以睇吓複雜系統等嘅概念。

生物醫療應用[編輯]

睇埋：運算生物學、進化論同埋超生物

生物學係研究生命嘅科學，成日都會用到 ABM。生物學嘅 ABM 通常都會將每隻生物當做一個個體嚟行 ABM，當中「一隻生物」可以係一隻細菌、一樖植物以至一隻動物呀噉；生物學 ABM 有陣時甚至可以將成個種群當做一個個體噉嚟分析[8]。

有關生物學 ABM 嘅例子，可以睇埋生物學入面嘅 ABM。

群動[編輯]

用 OpenGL 整嘅群動模擬
2006 年影到嘅一大群椋鳥一齊飛嘅姿態；鳥類學家發覺，雀鳥成群飛嗰陣形成嘅姿態好多時望落都似群動出嘅圖像。
內文：群動

群動（flocking）係生物學 ABM 嘅一個出名例子，想像家陣有一大拃個體一齊移動，途中每個個體都會守三條規則[9]：

  • 分隔－唔好撞到隔離嘅其他個體；
  • 順向－將自己方向對準周圍其他個體嘅平均；
  • 凝聚－將自己置於周圍其他個體嘅平均嘅位置。

用電腦模擬嘅話，個程式會類似噉： 

 設  件物件同埋設好佢哋嘅初始位置（1）
 設 （時間）= 0；（2）
 While  未到某個值，
   Foreach 物件（3 同 4）
     計「如果呢件物件跟嗰三條法則郁，佢嘅新位置會响邊」；
   顯示出每件物件嘅新位置；
    上升 1；（5）

於是研究者就能夠知道

「
如果群動嗰三條法則（微觀定律）正確，啲物件郁起上嚟望落會係點嘅樣（宏觀現象）？
」

事實表明咗，群動模型會引起類似某啲自然現象噉嘅規律，例如某啲物種嘅雀鳥成群一齊飛嗰陣個雀群成嘅形態噉，就俾人指望落好似群動出嘅規律（想解釋嘅現象）噉－於是研究者就可以提出個主張話「嗰三條法則能夠解釋雀群嘅形態點解會係噉嘅樣」[9][10]。

生態模型[編輯]

2010 年影到嘅一幅相；隻豌豆蚜將佢好似針噉嘅口器插咗入樖植物度，吸樖植物嘅汁液，會對樖植物造成破壞。
2008 年影到嘅一幅相；相入面隻瓢蟲喺度咬住隻蚜蟲－蚜蟲破壞好多農作物，瓢蟲會消滅蚜蟲，所以畀好多農夫視為益蟲。
內文：生態模型

生態模型（ecosystem model）成日都會用到 ABM：生態模型係指將生態系統想像成抽象化嘅數學模型噉研究；生態系統本質上就係由大量嘅個體生物組成嘅系統，所以自然有可能用 ABM，將每隻生物當做一個個體噉模擬，而進階啲嘅研究仲有可能將成個種群當做一個個體[11][12]。

例：2004 年蚜蟲 ABM 研究

蚜蟲（aphid；學名：Aphidoidea）係一個超科嘅昆蟲，包含多個唔同嘅物種，出嗮名係一啲鍾意蛀食植物嘅害蟲，會對好多農作物造成破壞。因為噉，有唔少從事昆蟲同農業相關研究嘅科學家都有研究蚜蟲，想透過理解蚜蟲解答「點樣先可以有效防治蚜蟲」等嘅問題[13]。

喺 2004 年，有一班英格蘭科學家針對稻麥蚜（學名：Rhopalosiphum padi；其中一種最常見嘅蚜蟲，英格蘭都唔少）做咗份研究，佢哋用 Java 呢隻物件導向程式語言寫咗個程式，段虛擬碼大致係噉嘅[12]:p. 3-4： 

 設  件物件，每件物件表示一隻蚜蟲，每隻蟲有以下呢啲數值：（1）
   3D 嘅位置值（position）、
   年紀值（age），數值係 0.00-2.00，當中 1.00 算係成年、
   佢過往嘅行為紀錄、
   佢獨有嘅 ID 值，方便部電腦監察住佢哋邊隻打邊隻
 設 （時間）= 0；（2）
 設定風向同氣溫等嘅環境變數；
 
 While 場模擬行緊，（3 同 4）
   將氣溫等嘅環境變數，設做數據庫紀錄咗嘅數值；（班研究者事先問有關單位攞咗數據。）
   Foreach 蚜蟲個體
     age 數值升；
     if age >= 2.00
       隻蟲就死；
     隻蟲有若干機率會死； # 模擬「一隻蚜蟲就算唔老死，都有可能死於畀瓢蟲等嘅獵食者捕食」呢點，具體數值嚟自打前研究嘅估計。 
     if age >= 1.00
       隻蟲有若干機率會遷徙； # 具體數值都係嚟自打前研究嘅估計
       隻蟲有若干機率會繁殖，繁殖會產生新個體，呢啲個體 age 冚唪唥係 0.00； # 具體數值都係嚟自打前研究嘅估計
     
       # 已知蚜蟲嘅遷徙同繁殖會受氣溫等嘅環境因素影響，即係 繁殖率 環境因素
    上升 1；（5）

班研究者睇過打前嗰啲研究，知道「蚜蟲嘅繁殖率同氣溫等嘅環境因素成咩數學關係」[14]。有咗個程式，佢哋就可以教部電腦計出笪地方「每日會有幾多隻蚜蟲」，並且將呢啲數值以線噉嘅形式呈現出嚟－即係好似上圖噉 X 軸做時間 Y 軸做嗰種生物嘅個體數量；跟住佢哋攞呢啲數值同實際數據對比（打前嘅生態學家有實質噉攞數據，量度環境入面嘅蚜蟲數量）。佢哋發覺模擬得出嘅數值同實際數據嘅相當吻合，於是班研究者就可以作出噉嘅推論[12]:p. 5-6：

「
我哋用咗嘅嗰拃蚜蟲個體行為定律（微觀定律），可以有效解釋過往嘅蚜蟲數量變化數據（宏觀現象）。
」

打後嘅研究者，知道個模型係掂（做到準確預測）嘅，仲可以攞個模型去估未來嘅蚜蟲數量變化，幫手做防治蚜蟲嘅工作[15]。

流行病學[編輯]

流行病學研究嘅想像圖：幅圖描繪咗座城市嘅一個區，每點表示一個人；可唔可以模擬啲人嘅流動，再按佢哋嘅位置估計隻病會點喺佢哋之間傳播呢？
睇埋：運算流行病學

流行病學（epidemiology）係一門醫療領域，專研究病同第啲健康相關狀態點樣喺群體當中分佈。流行病學專家會（例如）剖析傳染病點樣喺人之間傳播，用呢啲知識幫助醫療上嘅工作。運算流行病學就係指專門用運算方法（例如電腦模擬）做流行病學上嘅研究：流行病學本質上就會想知「人類（個體）嘅行為點樣影響病喺佢哋之間嘅傳播」，所以會用到 ABM [16][17]。

例：2011 年傳染病 ABM 研究

醫療工作者好睇重「對疫潮做準備」呢樣工作：要為疫潮作出準備，起碼要估計應付疫潮需要幾多人力物力資源，而要準備呢啲資源，就要估計「會有幾多人惹到隻病」；流行病學專家好興用 ABM 電腦模擬[註 2]，作出（簡化講）「如果每個人嘅行為係噉噉噉而隻病嘅傳染力係噉噉噉，最後會有幾多幾多人惹到隻病」噉嘅估計[18]。

喺 2011 年，有一班科學家做咗份研究，用 2009 年嘅墨西哥 A 型 H1N1 流行性感冒病毒爆發做數據。佢哋指出，傳染病嘅傳播主要取決於人嘅流動同埋人際接觸（睇埋社會網絡嘅概念）。佢哋個模型大致係噉嘅[19]:p. 3-4： 

 設  件物件，每件物件表示一個人，每個人有以下呢啲數值：（1）
   3D 嘅位置值（position）、
   移動模型（mobility model；表示嗰個人傾向喺座城市邊個區活動－包含「喺禮拜日，呢個人會喺 A 區嘅機率」噉嘅資訊）、
   社會網絡（social network；表示嗰個人同邊啲人有密切關係－「有密切關係」表示「成日會喺同區活動，大機率會互相傳病」）、
   佢獨有嘅 ID 值，方便部電腦監察住佢哋邊個打邊個
 設 （時間）= 0；（2）
 設定隻病嘅特性（disesase model）：
   個體間傳播（transmission）－反映「如果家陣有兩個人密切接觸，當中一個人有隻病，隻病會傳畀另外嗰個人嘅機率」等、
   個體內漸進（progression）－反映「如果個人惹咗隻病，喺幾耐嘅時間會冇症狀、喺幾耐嘅時間會有傳染性...」噉嘅資訊
 
 隨機揀個人，設定佢惹到隻病
 
 While 場模擬行緊，（3 同 4）
   Foreach 人類個體
     按 mobility model 設定佢嘅位置；
   Foreach 地區
     計出佢有冇受感染嘅人喺入面；
   Foreach 有感染力嘅人類個體 i
     搵出佢身處嗰區入面嗰啲可以受感染嘅個體；
     Foreach 可以受感染嘅個體 j
       按社會網絡計出 j 同 i 密切接觸嘅機率；
       按密切接觸嘅機率同 transmission，計出 j 畀 i 惹到嘅機率；
     
     按 progression 更新 i 嘅狀態（例如由「有感染力」演變成「好返嗮」）；
     # transmission 同 progression 入面嗰啲具體數值，可以由打前嘅研究度得知。
   
    上升 1；（5）

班研究者睇過打前嗰啲研究，知道「如果家陣有兩個人密切接觸，當中一個人有隻病，隻病會傳畀另外嗰個人嘅機率」等嘅資訊。然後佢哋就攞咗 2009 年嘅墨西哥 H1N1 爆發嘅數據嚟睇，用手機數據估計啲人嘅移動模型同社會網絡，並且進行模擬，計吓「喺每點時間，會有幾多人惹到隻病」（想像畫幅圖，X 軸做時間 Y 軸做惹到隻病嘅人嘅數量）。佢哋嘅模擬顯示，政府下令限制啲人嘅流動（睇埋 lockdown 嘅概念）令惹到隻病嘅人數下降咗成 10% 咁多[19]。喺呢個過程裏面，班研究者做到[19]：

「
考慮個體人嘅流動同埋人際接觸（微觀因素），估計個群體入面有幾多 % 嘅人惹咗隻病（整體現象）。
」
2021 年香港一場 lockdown；ABM 研究顯示，好似噉嘅 lockdown 能夠明顯減低惹到隻病嘅人嘅數量。

社會科學應用[編輯]

內文：個體為本社會模擬
睇埋：運算社會科學

個體為本社會模擬（agent-based social simulation，ABSS）係指用 ABM 研究社會：社會科學係研究人類社會嘅科學，包括心理學、社會學同經濟學呀噉，所以自然會關注「個體人類嘅活動，會點樣引致社會現象？」噉嘅問題。社會科學當中嘅 ABM 通常會係用個體人類做個模型當中嘅個體，亦有部份模型會將一個組織當係個體噉分析[20]。

經濟學[編輯]

呢位消費者得知一隻佢打前未買過嘅穀類早餐，喺度睇吓隻產品包含啲咩材料。佢會唔會決定採用呢隻新產品呢？
睇埋：運算經濟學同埋博弈論

經濟學係專門研究資源分配嘅社會科學。經濟學家成日都會將人想像成理性（或者响限制下盡可能做到理性）嘅決策者，會按照「邊樣行動能夠令自己效益有咁大得咁大」做決策，而效益可以用數值顯示，可以輕易噉想像成 ABM 模型[21]。

例：創新滲透模型

創新（innovation）係指產生新同有用嘅產品嘅工作，係經濟增長等現象不可或缺嘅一環。創新滲透（diffusion of innovation）就指一件創新嘅產品「擴散」（由冇乜人用變成好多人用）嘅過程，有好多工作者都想理解創新滲透，解答「點解有啲創新產品會成功，有啲會失敗」等嘅問題[22][23]。

商業管理[編輯]

睇埋：科學化管理

理論思考[編輯]

睇埋：創發同埋複雜系統

公開模型[編輯]

AI 概念[編輯]

睇埋[編輯]

註釋[編輯]

  1. ↑ 呢點令 ABM 當中嘅個體同物理學上成日研究嘅粒子唔同－同一種類嘅粒子粒粒都一個板，但 ABM 裏面嘅個體彼此之間可以有差異。
  2. ↑ 廿世紀尾嘅研究表明，齋靠「將人類群體想像成幾個子群體」唔能夠準確噉模擬傳染病嘅傳播。

文獻[編輯]

攷[編輯]

  1. ↑ Grimm, Volker; Railsback, Steven F. (2005). Individual-based Modeling and Ecology. Princeton University Press. p. 485.
  2. ↑ Niazi, Muaz; Hussain, Amir (2011). "Agent-based Computing from Multi-agent Systems to Agent-Based Models: A Visual Survey" (PDF). Scientometrics. 89 (2): 479-499.
  3. ↑ 3.0 3.1 Shoham, Yoav; Leyton-Brown, Kevin (2009). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge University Press.
  4. ↑ 4.0 4.1 Schelling, T. C., (1971). "Dynamic Models of Segregation 互聯網檔案館嘅歸檔，歸檔日期2021年6月5號，. (PDF)," Journal of Mathematical Sociology, 1: 143–186.
  5. ↑ Heckbert, S., Baynes, T., & Reeson, A. (2010). Agent‐based modeling in ecological economics 互聯網檔案館嘅歸檔，歸檔日期2021年12月6號，. (PDF). Annals of the New York Academy of Sciences, 1185(1), 39-53.
  6. ↑ Beaufils, B., Delahaye, J. P., & Mathieu, P. (1997, July). Our meeting with gradual, a good strategy for the iterated prisoner's dilemma. In Proceedings of the Fifth International Workshop on the Synthesis and Simulation of Living Systems (pp. 202-209). MIT press.
  7. ↑ Wallace, H. M., Exline, J. J., & Baumeister, R. F. (2008). Interpersonal consequences of forgiveness: Does forgiveness deter or encourage repeat offenses?. Journal of Experimental Social Psychology, 44(2), 453-460.
  8. ↑ Zhang, B., & DeAngelis, D. L. (2020). An overview of agent-based models in plant biology and ecology. Annals of Botany, 126(4), 539-557.
  9. ↑ 9.0 9.1 Reynolds, Craig W. (1987). "Flocks, herds and schools: A distributed behavioral model.". ACM SIGGRAPH Computer Graphics. 21. pp. 25-34.
  10. ↑ An, G., Mi, Q., Dutta‐Moscato, J., & Vodovotz, Y. (2009). Agent‐based models in translational systems biology. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 1(2), 159-171.
  11. ↑ Murphy, K. J., Ciuti, S., & Kane, A. (2020). An introduction to agent‐based models as an accessible surrogate to field‐based research and teaching. Ecology and evolution, 10(22), 12482-12498.
  12. ↑ 12.0 12.1 12.2 Parry, H., Evans, A. J., & Morgan, D. (2004). Aphid population dynamics in agricultural landscapes: an agent-based simulation model (PDF).
  13. ↑ Piper, Ross (2007). Extraordinary Animals: An Encyclopedia of Curious and Unusual Animals. Greenwood Press. pp. 6-9.
  14. ↑ Morgan, D. (2000). Population dynamics of the bird cherry‐oat aphid, Rhopalosiphum padi (L.), during the autumn and winter: a modelling approach. Agricultural and Forest Entomology, 2(4), 297-304.
  15. ↑ Thornley, J. H., & Newman, J. A. (2022). Climate sensitivity of the complex dynamics of the green spruce aphid—Spruce plantation interactions: Insight from a new mechanistic model. Plos one, 17(2), e0252911.
  16. ↑ Hunter, E., Mac Namee, B., & Kelleher, J. D. (2017). A taxonomy for agent-based models in human infectious disease epidemiology. Journal of Artificial Societies and Social Simulation, 20(3).
  17. ↑ Barrett, C. L., Bisset, K. R., Eubank, S. G., Feng, X., & Marathe, M. V. (2008, November). Episimdemics: an efficient algorithm for simulating the spread of infectious disease over large realistic social networks (PDF). In SC'08: Proceedings of the 2008 ACM/IEEE Conference on Supercomputing (pp. 1-12). IEEE.
  18. ↑ Epstein, J. M., Goedecke, D. M., Yu, F., Morris, R. J., Wagener, D. K., & Bobashev, G. V. (2007). Controlling pandemic flu: the value of international air travel restrictions. PloS one, 2(5), e401.
  19. ↑ 19.0 19.1 19.2 FRIÁS-MARTÍNEZ, E., Williamson, G. & Friás-Martínez, V. (2011). An agent-based model of epidemic spread using human mobility and social network information (PDF). IEEE Conference on Social Computing.
  20. ↑ Li, Xiaochen; Mao, Wenji; Zeng, Daniel; Wang, Fei-Yue (2008). "Agent-Based Social Simulation and Modeling in Social Computing". Lecture Notes in Computer Science. 5075/2008: 401-412.
  21. ↑ Gallegati, M., & Kirman, A. (2012). Reconstructing economics: Agent based models and complexity. Complexity Economics, 1(1), 5-31.
  22. ↑ Bass, F. M. (1969). A new product growth for model consumer durables. Management science, 15(5), 215-227.
  23. ↑ Kiesling, E., Günther, M., Stummer, C., & Wakolbinger, L. M. (2012). Agent-based simulation of innovation diffusion: a review (PDF). Central European Journal of Operations Research, 20(2), 183-230.

拎[編輯]

由「https://zh-yue.wikipedia.org/w/index.php?title=個體為本模型&oldid=1889202」收