Simulación Basada en Agentes

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Simulación Basada en Agentes por Mind Map: Simulación Basada en Agentes

1. Ciencias de la Complejidad

1.1. Estudio de sistemas compuestos por múltiples partes (agentes)

1.1.1. Interacción de forma no lineal entre ellos y con el entorno

1.1.2. Forman patrones

1.1.2.1. Estructurales

1.1.2.2. Comportamentales

1.1.2.3. Funcionales coherentes

1.2. Patrones emergen sin acción de un controlador central o externo

1.2.1. Contraintuitivos

1.2.2. Sopresivos

1.2.3. Impredecibles

1.3. Sistemas complejos

1.3.1. Se acoplan al entorno

1.3.2. Son sensibles a condiciones iniciales

1.3.3. Dependen de su historia

1.4. Experimentación directa y aproximaciones son limitadas o imposibles

1.4.1. Se utilizan modelos computacionales

2. SBA

2.1. Caracterización de agentes

2.1.1. Reducir las estructuras, comportamientos y funciones globales de un sistema

2.1.1.1. Agente-agente

2.1.1.2. Agente-entorno

2.2. Establecer vínculos entre reglas que rigen

2.2.1. Micro-comportamiento de los agentes

2.2.2. Macro-patrones que surgen en el nivel agregado

2.3. Integración del conocimiento

2.3.1. Teórico

2.3.2. Empírico

2.3.3. Basado en la experiencia

2.4. Métodos utilizados en conjunto

2.4.1. Análisis de redes

2.4.2. Lógica difusa

2.4.3. Algoritmos genéticos

2.4.4. Redes neuronales

2.4.5. Inteligencia de enjambres

2.4.6. Sistemas de información geográfica

3. Sistemas complejos

3.1. Sistemas colectivos

3.2. Organización y dinámica se debe a acción

3.2.1. Autónoma

3.2.2. Paralela

3.2.3. Distribuida

3.2.4. Asíncrona

3.2.5. Interactiva de sus componentes

3.3. Niveles de observación

3.3.1. Micro-escala

3.3.1.1. Interacción de los componentes del sistema

3.3.2. Macro-escala

3.3.2.1. Aparecen los patrones agregados

3.4. Retos fundamentales

3.4.1. Comprensión diferencial

3.4.1.1. Intentar descifrar las reglas de interacción que dan lugar a un patrón de referencia

3.4.2. Comprensión integrativa

3.4.2.1. Se conoce el comportamiento y se intenta averiguar qué patrones pueden emerger

3.5. Sistemas complejos adaptativos

3.5.1. Procesamiento de información sofisticado

3.5.1.1. Aprendizaje

3.5.1.2. Evolución

4. Usos de la SBA

4.1. Describir

4.1.1. Replicar y entender fenómenos de manera más eficiente

4.2. Explicar

4.2.1. Probar si un mecanismo de interacción local es compatible con patrones de escala global

4.3. Experimentar

4.3.1. Ejecutar varias veces y observar variaciones en la dinámica

4.4. Establecer fuentes de analogía

4.4.1. Abordar problemas fundamentales de complejidad

4.4.2. Facilitar la colaboración inter y transdiciplinaria

4.4.3. Transferir el conocimiento entre dominios

4.4.4. Revelar la unidad a través de las disciplinas

4.5. Comunicar y educar

4.5.1. Puente de comunicación entre la realidad y los interesados

4.6. Desarrollar experimentos mentales

4.6.1. Explorar fenómenos que no existen en la realidad

4.7. Predecir

4.7.1. Limitada por la sensibilidad a condiciones iniciales

5. MBA

5.1. Compuesto por

5.1.1. Agentes

5.1.1.1. Entidad autónoma

5.1.1.2. Posee atributos, comportamientos y propósitos

5.1.1.3. Pueden conservar información pasada y aprender

5.1.1.4. Heterogeneidad

5.1.2. Entorno

5.1.3. Interacciones

5.1.3.1. Formalizadas por

5.1.3.1.1. Ecuaciones

5.1.3.1.2. Algoritmos

5.1.3.1.3. Reglas de decisión

5.1.3.1.4. Operaciones lógicas

6. Etapas

6.1. Identificación del sistema objetivo

6.1.1. Debe cumplir con

6.1.1.1. Compuesto por millones de agentes autónomos y heterogéneos

6.1.1.2. Comportamiento con memoria, aprendizaje y adaptación

6.1.1.3. Interacciones no lineales y discontinuas

6.1.1.4. Operación local, paralela y distribuida

6.1.1.5. Formación de redes dinámicas y heterogéneas

6.1.1.6. Componente espacial irreducible

6.1.1.7. Dinámica auto-organizada y con memoria

6.1.1.8. Su comportamiento agregado no es comprensible por

6.1.1.8.1. Promedios gaussianos

6.1.1.8.2. Distribuciones normales

6.1.1.8.3. Por la suma de sus partes

6.1.1.9. Entorno cambiante con incertidumbre

6.2. Diseño Conceptual

6.2.1. Determinar los elementos a incluir

6.2.1.1. Agentes relevantes

6.2.1.2. Características del entorno

6.2.1.3. Forma de ejecución

6.2.1.4. Parámetros del modelo

6.2.1.5. Mediciones para responder a las preguntas

6.3. Implementación Computacional

6.3.1. Traducción conceptual a código

6.3.1.1. Modelo computacional

6.4. Análisis de resultados

6.4.1. Análisis cualitativo