| Sezione
di Simulazioni ad agenti
A cura di: Dott.
A.Cappellini, Dott. P.Mezzera , Dott. A.Vanara
L'ambiente degli agenti: il modello ERA
Una tecnica particolarmente utile per la costruzione dei modelli basati su
agenti è lo schema Enviroment-Rules-Agents (ERA) proposto in Terna (1998a).
Tale modello, il cui scopo è di rendere il più possibile uniforme
la struttura dei modelli ABM, fornisce una rappresentazione delle relazioni
tra l'ambiente - all'interno del quale gli "individui" operano ed
interagiscono - e gli agenti.
Il principale vantaggio dello schema ERA è che gli agenti e l'ambiente
vengono mantenuti su due distinti livelli concettuali.
Come è possibile osservare, con tale impostazione gli agenti non comunicano
direttamente tra di loro, ma interagiscono sempre con l'ambiente.
Nello schema ERA, il comportamento dei singoli agenti è determinato da
un oggetto, il Rule Master (gestore di regole), che può essere considerato
come la rappresentazione delle capacità cognitive dell'agente. Tali capacità
non sono uguali per tutti gli agenti presenti nel modello, di conseguenza vi
saranno differenti Rule Master, che rifletteranno le diverse strutture cognitive
degli agenti.
In questo modo, si potranno avere agenti "cognitivi" con Rule Master
realizzati con sofisticati meccanismi di calcolo come, ad esempio, le reti neurali
e gli algoritmi genetici, e agenti invece con Rule Master meno evoluti e quindi
con una struttura mentale più limitata.
Il Rule Master ottiene le informazione necessarie per applicare le regole dall'agente
stesso, che dispone di propri dati personali, o da oggetti speciali - posizionati
ad un livello intermedio fra l'agente ed il gestore di regole - che hanno la
funzione di raccogliere e distribuire i dati (Datawarehouse) e di facilitare
la comunicazione con l'ambiente e con gli altri agenti (Interface) .
Lo schema proposto prevede, inoltre, la possibilità che il comportamento
degli agenti, determinato dal Rule Master, possa cambiare nel tempo; nel mondo
reale, infatti, gli individui modificano il proprio comportamento sulla base
dell'esperienza maturata e delle nuove conoscenze acquisite.
Nel modello ERA, il processo di cambiamento delle regole di comportamento viene
realizzato mediante l'utilizzo di un oggetto denominato Rule Maker (produttore
di regole). Tale dispositivo, ha la funzione di modificare le regole di comportamento
determinate dal Rule Master.
Se, ad esempio, il Rule Master di un gruppo di agenti viene realizzato mediante
una rete neurale artificiale, il Rule Maker modificherà il comportamento
dell'agente sottoponendo, periodicamente, la rete neurale ad un processo di
apprendimento.
Sebbene tale impostazione appaia in prima analisi piuttosto complessa, essa
offre indubbi vantaggi allo sviluppatore del modello ABM; la rigidità
della struttura diventa una fonte di chiarezza in fase di realizzazione del
modello.
Come affermato in Terna (1998a) un vantaggio offerto dallo schema ERA è
la sua modularità: quando lo sviluppatore del modello vuole modificare
la tipologia di agenti deve solamente cambiare le singole componenti, invece
di dover ridisegnare l'intera struttura.
La modularità permette, in sostanza, di cambiare il tipo di agente, semplicemente
modificando il produttore ed il gestore delle regole.
La struttura dello schema ERA evita, inoltre, la duplicazione delle istruzioni
(e la conseguente moltiplicazione delle righe di codice) necessarie allo svolgimento
di un'azione e consente ai ricercatori di individuare con facilità la
posizione in cui inserire eventuali modifiche volte ad estendere il modello
originario.
torna alla
pagina principale della sezione
torna
alla home...
|
