Agata Komendant
Agata Komendant--Brodowska,
Brodowska,
Katarzyna Abramczuk
Katarzyna Abramczuk
Automaty komórkowe
Automaty komórkowe
Źródło: Anna Baczko-Dombi, Agata
Komendant-Brodowska, materiały z zajęć „Mikro-makro”
Modele
Modele agentowe
agentowe, automaty
, automaty
komórkowe
komórkowe
MEAN – FIELDS TYPE MODELS
• Opisują wielkości i zjawiska zachodzące na poziomie globalnym – np. w całej populacji lub jej podgrupach. Ignorują przestrzeń zależności między elementami systemu i zastępują lokalne interakcje uogólnionymi o szerszym zasięgu.
AGENT – BASED MODELS
• Mamy do czynienia bezpośrednio z przestrzennie rozmieszczonymi jednostkami (zwierzęta, ludzie, firmy etc.) i monitorujemy ich stany. Opisują zachowania poszczególnych jednostek i interakcje między nimi.
Modele wg. podejścia do jednostek
• Zebranie wysyłanych informacji • Odwoływaniu się do stosownych reguł • Podjęcie decyzji o działalności danego agenta
• Przekazaniu informacji o działaniu i jego skutkach w otoczeniu • Przejście do kolejnego agenta
Model agentowy
Agent
Modele wg podejścia do geometrii
przestrzeni symulacji
Geometria przestrzeni symulacji
Graf – wzajemne położenie obiektów zdefiniowane za
pomocą sieci
Symulacje sieciowe
„Dyskretna” – obiekty mogą znajdować się jedynie w węzłach regularnej sieci
Automaty komórkowe
„Ciągła” - obiekty mają położenie określone
wartościami współrzędnych
Symulacje cząsteczkowe
Autorem takiej typologii jest Wojciech Borkowski, była ona zaprezentowana m.in. w ramach wykładu „Symulacja komputerowa w naukach społecznych i przyrodniczych” jaki odbywał się w Instytucie Studiów Społecznych Uniwersytetu Warszawskiego w 2006 roku.
Automat komórkowy
to system składający się z
pojedynczych komórek, znajdujących się obok siebie.
•
układ przypomina szachownicę lub planszę do gry
•
każda z komórek może przyjąć jeden ze stanów, przy
czym liczba stanów jest skończona, ale dowolnie duża
•
stan komórki zmieniany jest zgodnie z regułami
mówiącymi, w jaki sposób nowy stan komórki zależy
od jej obecnego stanu i stanu jej sąsiadów.
Automat komórkowy
Definicja intuicyjna
Automat komórkowy w kilku krokach
Automat komórkowy w kilku krokach
1. Siatka automatu komórkowego(α) – przestrzeń jaką tworzą jednakowe komórki. Opisujemy ją za pomocą:
• Wymiaru (np.. 2D, 3D...)
• Kształtu komórek (trójkątne, heksagonalne, kwadratowe)
Automat
Automat komórkowy
komórkowy
2. Stan
przestrzeń stanów– opis wszystkich możliwych stanów komórki.
• Stan komórki zależy od aktualnych stanów komórek z otoczenia, jak i komórka swoim stanem wpływa bezpośrednio na stany swoich sąsiadów
• W przypadku najprostszym komórka być pusta lub zawierać obiekt, w bardziej złożonych stanów może być więcej.
• Klasycznie stany te mogą być opisane przez pojedynczą liczbą całkowitą, ale spotyka się też stany komórek opisane liczbami rzeczywistymi, literami a nawet obiekty w komórkach mające wiele atrybutów.
3. Reguły przejść
• Reguły przejść określają ewolucję automatu komórkowego w dyskretnym czasie – rządzą zmianami stanu komórek.
• Wskazują one jak w zależności od stanu początkowego i sąsiadów w czasie t powinien zmienić się stan komórki w czasie t+1.
• Sąsiedztwa komórek – typy klasyczne
S siedztwo von Neumanna
S siedztwo Moora
Rozszerzone s siedztwo Moora
• Sąsiedztwa komórek – inne
S siedztwo von Neumanna dla siatki trójk tnej
Oddzielne warunki dla
brzegów siatki Naturalne granice – nie potrzeba warunków dodatkowych
Specjalna geometria – np. torus
Przykład 1
Przykład 1 –– Game
Game of Life
of Life
• Komórka jest albo żywa (1) albo martwa (0)
• Stan komórki zmienia się w zależności od jej własnego stanu oraz stanu najbliższych 8 sąsiadów • W każdej iteracji żywa komórka
pozostaje taka, jeśli dokładnie 2 lub 3 jej sąsiadki są żywe, w pozostałych przypadkach albo umiera z zatłoczenia albo z braku towarzystwa
• Martwa komórka ożywa, jeśli dokładnie 3 jej sąsiadki są żywe
Klocek
Łód
Bochenek
Kryształ
Koniczynka
Blinker
abka
Krokodyl
Szybowiec
http://www.mimuw.edu.pl/~ajank/zycie/
http://www.bitstorm.org/gameoflife/
Applety do Gry w ycie:
Przykład 2
Segregacja przestrzenna Segregacja przestrzenna
•
Demograficzna mapa niemal dowolnej
amerykańskiej metropolii sugeruje, że łatwo
znaleźć dzielnice białe lub prawie białe i
dzielnice całkiem lub prawie czarne, zaś ciężko
znaleźć takie w których biali lub czarni
stanowią powiedzmy 3/4 .
T.C.Schelling, 1969
World Values Survey (2010) Segregacja przestrzenna
Segregacja przestrzenna SONDAŻE
SONDAŻE
„On this list are various groups of people. Could you please sort out any that you would not like to have as neighbours?”
3% 6% 7%
13% 13% 14% 20%
69% 88%
0 10 20 30 40 50 60 70 80 90 100 People of a different religion
Segregacja przestrzenna Segregacja przestrzenna Od mikro do makro
Od mikro do makro –– paradoks?paradoks?
Badania sondażowe Badania stanu zastanego
Życzenia Efekt końcowy
Potencjał Skutek
•
Schelling T., Models of Segregation, American
Economic Review, Papers and Proceedings
59(2) 488-493 (1969)
•
Schelling T.,Dynamic Models of Segregation,
Journal of Mathematical Sociology (1971)
•
Schelling T, Micromotives and Macrabehavior,
Norton, (1978)
T. Schelling
T. Schelling -- modele segregacji przestrzennejmodele segregacji przestrzennej
• Populacja podzielona na dwie grupy ( o i +) , rozmieszczona w sposób losowy w przestrzeni jednowymiarowej (linia prosta)
• Przyjmijmy, że zarówno +jaki osą szczęśliwi jeśli połowa ich 8 sąsiadów jest tego samego typu . • Warunek dla osób blisko „brzegu” – połowa
posiadanych sąsiadów (4 w stronę środka w sumie z posiadanymi sąsiadami od zewnątrz)
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model jednowymiarowy Model jednowymiarowy
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model jednowymiarowy Model jednowymiarowy Reguła zmiany stanu: Niezadowolona jednostka przemieszcza się do najbliższego punktu spełniającego jej oczekiwania.
Ponieważ zmiana położenia jednego obiektu zmienia stan pozostałych to proces będzie przebiegał aż wszyscy którzy byli niezadowoleni będą zadowoleni.
O+OOO++O+OO++
OOOO++O++OO++
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model jednowymiarowy
Model jednowymiarowy Grupy równoliczne:
Niezależnie od liczby osób niezadowolonych i uporządkowania efektem jest 5-8 grup po średnio 9-10 osób.
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model jednowymiarowy Model jednowymiarowy Co można zmieniać?
•Rozmiar sąsiedztwa =>brak większych zmian
•Żądany odsetek tego samego koloru w sąsiedztwie •Stosunek ilości +do O => im mniejszość mniej liczna tym
silniejsze tendencje do segregacji
•Zasady zmiany miejsca •Początkową konfigurację
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model dwuwymiarowy
Model dwuwymiarowy
• Jednostki – jak poprzednio (O i #) • Nowość : puste pola, rozmieszone losowo • Rozmieszczenie losowe
• Każdy ma 8 sąsiadów (sąsiedztwo Moora)
•„Preferencje sąsiedzkie” – dopuszczalna liczba sąsiadów innych • Reguła zmiany stanu: niezadowoleni przemieszczają się się do najbliższej satysfakcjonującej lokacji (jak najmniejsza liczba pól które trzeba pokonać w pionie i poziomie)
•Brzegi i rogi: jak w rzeczywistości; zasada jak poprzednio.
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model dwuwymiarowy Model dwuwymiarowy Parametry:
•Rozmiar sąsiedztwa
•Żądany odsetek tego samego koloru w sąsiedztwie •Stosunek ilości #do O
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model dwuwymiarowy
Model dwuwymiarowy
Wybór kierunku zmian => różne wzory segregacji Od lewego
górnego rogu do prawego dolnego Od środka na zewnątrz
Model segregacji przestrzennej
Model segregacji przestrzennej T.C.SchellingaT.C.Schellinga Model dwuwymiarowy
Model dwuwymiarowy
Zmiany żądanego odsetka tego samego koloru w sąsiedztwie
• 1/3 (wysoki poziom tolerancji) -segregacja jeszcze nieznaczna • 1/2 (mniejszy – choć nadal wysoki poziom tolerancji) - segregacja wyraźna
WNIOSKI:
•
Pionierskie wykorzystanie modeli agentowych
do opisu zjawisk społecznych
•
Wpływ zachowań na poziomie mikro na wzory
powstające na poziomie makro. Relacja ta nie
musi być jednoznaczna czy bezpośrednia.
•
Nawet stosunkowo wysoki poziom tolerancji
daje efekt segregacji
Model Schellinga
Przykład 3
Przykład 3 –– wpływ społeczny, mody,
wpływ społeczny, mody,
trendy
trendy
(w tym
•
Siatka 2-wymiarowa - torus
•
Agenci rozmieszczeni na siatce
i nie poruszają się
•
Agenci mają cechę dodatkową
– klasę społeczną
•
Przestrzeń stanów – różne
symbole statusu (niebieski,
zielony, czerwony, żółty)
Model symboliczny
Model symboliczny SimmlaSimmla ((symbolicsymbolic SimmelSimmel model)model)
1 3
2 1 2 2 1 3 1 1
2 2 1 3
•
Warunki początkowe – losowe
przyporządkowanie kolorów
•
Reguły zmiany stanu – różne:
–imitacja
–odseparowywanie
–Słaby Simmel (H3 odseparowuje, H1,H2 imitują)
–Simmel – jednocześnie imitacja i odseparowywanie
Model symboliczny
Model symboliczny SimmlaSimmla ((symbolicsymbolic SimmelSimmel model)model)
1 3
2 1 2 2 1 3 1 1
2 2 1 3
• Wnioski:
–Jednoczesne występowanie tendencji do imitacji i odseparowywania sprawia, że obserwowany jest faktycznie efekt Simmla:
• symbole właściwe dla klasy wyższej szybko się upowszechniają
• prowadzi to do tego, że klasa wyższa znajduje nowe symbole statusu
• które są kopiowane…
Model symboliczny Model symboliczny SimmlaSimmla
((symbolicsymbolic SimmelSimmel model)model)
Przykład 4
•
Siatka 2-wymiarowa
•
Agenci rozmieszczeni na siatce
i nie poruszają się
•
Sąsiedztwo:
–
Moore’a?
–
Zmodyfikowane (np.
jednokierunkowe)?
Ściąganie jako proces społeczny Ściąganie jako proces społeczny ! "
Ściąganie jako proces społeczny Ściąganie jako proces społeczny ĆWICZENIE ĆWICZENIE Cechy agentów:…
Przestrzeń stanów komórek:… Reguły zmiany stanu:….
Parametry – co moglibyśmy sprawdzać? • …
• …