“SIMECO”的版本间的差异
| 第7行： | 第7行： | ||
根据SIMECO模型制作的嵌入式网页（下载：[https://wiki.swarma.org/applets/SIMECO wiki-embed.html]） | 根据SIMECO模型制作的嵌入式网页（下载：[https://wiki.swarma.org/applets/SIMECO wiki-embed.html]） | ||
在线演示： | 在线演示： | ||
| − | <htmltag tagname="iframe" src="/applets/SIMECO/wiki-embed.html" style="display:block; margin-bottom:1em; width:100%; max-width:820px; height: | + | <htmltag tagname="iframe" src="/applets/SIMECO/wiki-embed.html" style="display:block; margin-bottom:1em; width:100%; max-width:820px; height:600px; max-height:968px; border:solid 1px #ddd;" frameborder="0" scrolling="no"></htmltag> |
| − | |||
2025年10月29日 (三) 15:57的版本
人工经济模型（SIMECO）模拟程序
根据SIMECO模型制作的嵌入式网页（下载：wiki-embed.html） 在线演示：
人工经济模型（SIMECO）
- 名 称：SIMECO
- 作 者：张江
- 源代码：文件:SIMECO.zip
程序说明
经济系统是什么？我们能不能用计算机模拟出真实经济现象？看看上面的程序。
画布中这些移动的小点叫就是Agent。它们通过简单的Agent交互规则，模拟出复杂的经济现象。
单击开始按钮，你会看到这些Agent在网格中随机移动，采集资源。也许你会说，这没什么，不就是一些点在移动么？但仔细观察，你会发现这些Agent之间会开始交易，多个Agent的行为会产生复杂的经济现象，它们的行为模式几乎是完全不可预测的。随着模拟的进行，你会看到复杂的经济现象在那里涌现，这很像我们现实世界中的经济行为。你可以调整步数和FPS参数来控制模拟的速度和时长。
模型的规则
为什么这一群小点在这么简单的程序之下会有这样复杂的经济行为？它们是怎么实现的？注意，虽然这也是编程，但我们并不是按照传统的方法对所有Agent的集体行为在每一种可能的情况都编程，而是给每一个个体Agent制定简单的规则，这样Agent集体的复杂经济行为就会自然而然的涌现出来了！那么个体Agent的规则是什么呢？它是遵循下面的规律：
- 每个Agent拥有自己的资源（糖和香料）和偏好（效用函数）；
- Agent在网格中移动，采集资源，同时消耗资源转换为能量以资源维持生命；
- 当Agent遇到其他Agent时，根据自身资源和偏好决定是否进行交易；
- 交易采用双边谈判机制，双方根据边际替代率和历史价格决定交易条件；
- Agent可以繁殖和死亡，形成动态的人口结构；（在模拟程序繁殖中被简化）
- Agent可以通过学习调整自己的行为策略。
总体来说，Agent的规则就是基于局部信息和自身状态做出决策，并且这种决策仅仅跟自己的邻域有关，也就是说规则都是局部的。而这个程序的关键是要体现整体经济行为的涌现，也就是说虽然微观上每个Agent个体的规则都是简单的局部的，但是在集体涌现出来的现象却是复杂的并且是不可预测的。基于Agent的计算经济学的精髓就是：其实经济现象本身不过是由微观的简单相互作用规律涌现出来的集体复杂行为。
模型的参数
在模拟程序中，你可以通过调整步数和FPS参数来控制模拟过程：
- 步数：设置模拟运行的总步数，控制模拟的时长
- FPS：设置每秒帧数，控制模拟的显示速度
这些参数虽然简单，但通过调整它们，你可以观察到Agent群体在不同时间尺度下的行为变化，从而更好地理解经济系统的动态演化过程。
Agent的决策规则
每个Agent都拥有自己的"分类器-规则-行动"三层决策器，它们会根据不同的情况选择不同的行为：
- 随机游走（M）：当Agent没有明确目标时，会在网格中随机探索；
- 觅糖（FS）：当周围糖资源丰富且自身糖储备不足时，会主动采集糖；
- 觅香料（FP）：当周围香料资源丰富且自身香料储备不足时，会主动采集香料；
- 交易（T）：当遇到其他Agent时，会根据双方资源状况决定是否进行交易；
- 聚集（A）：交易完成后，Agent会主动向Agent密集区域移动；
- 自繁殖（SP）：当年龄和能量足够，且周围有异性Agent时，会进行繁殖。
交易算法
Agent之间的交易过程非常有趣：双方会根据边际替代率、历史价格记忆和贪心程度共同决定初始报价。通过几何平均达成最终价格，然后逐单位交换资源，直到一方的效用不再提升。每次交易后，Agent都会更新自己的历史价格记忆和贪心程度，实现"老练—贪婪—吃亏—收敛"的学习循环。
涌现的经济现象
运行1000周期后，你会看到Agent群体自发分化为不同的社会角色。Agent的行为决策的收敛在视觉上表现为agent flow.
相关 Wiki
原始文献
编者推荐
书籍推荐
蚂蚁在组成群体时为何会表现出如此的精密性和具有目的性？数以亿计的神经元是如何产生出像意识这样极度复杂的事物？是什么在引导免疫系统、互联网、全球经济和人类基因组等自组织结构？这些都是复杂系统科学尝试回答的迷人而令人费解的问题的一部分。理解复杂系统需要有全新的方法，需要超过传统的科学还原论，并重新划定学科的疆域。借助于圣塔菲研究所的工作经历和交叉学科方法，复杂系统的前沿科学家米歇尔在《复杂》一书中，以清晰的思路介绍了复杂系统的研究，横跨生物、技术和社会学等领域，并探寻复杂系统的普遍规律。与此同时，她还探讨了复杂性与进化、人工智能、计算、遗传、信息处理等领域的关系。
课程推荐
- 本课程通过数个案例教会大家如何去动手搭建一个多主体仿真模型，以及如何利用NetLogo去实现。从生命游戏到人工鸟群，从模拟经济系统到病毒沿网络的传播，通过循序渐进的案例，该课程带你逐步走入NetLogo多主体建模的神奇世界。
- 本课程将视线转移到生物学领域，展现计算机模拟在生物学中的应用。认识自然现象，我们可以从物理、数学、生物、天文、化学等众多角度去解读，那么怎样将众多的知识综合起来转化为可以用计算机模拟的语言哪？本节课将通过一个模型案例来帮助我们打开思路，更好的去描述和模拟生物现象。
本中文词条由Jake、任筱芃用户参与编译，任筱芃编辑，欢迎在讨论页面留言。
本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。