XI Scuola estiva
"Strategia e Gestione delle Operations nelle Reti di Imprese"
18 Settembre 2003 - Bressanone - Accademia "N. Cusanus"
Laboratorio
Simulazione:
I modelli basati su agenti autonomi
Ing. Ilaria Giannoccaro
Dipartimento di Ingegneria Meccanica e Gestionale
Politecnico di Bari
1
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Agenda
• Introduzione alla simulazione
• Simulazione basata su agenti
• Fasi di sviluppo della simulazione basata su agenti
• Discussione di un esempio: Sugarscape
• Prospettive di ricerca per l’OM
2
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Introduzione alla simulazione
Ing. Ilaria Giannoccaro
3
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Alcune definizioni preliminari
• Simulare significa condurre esperimenti al calcolatore
mediante lo sviluppo di modelli matematici o logici
atti a riprodurre il comportamento di un sistema reale
o dei suoi componenti durante periodi estesi di tempo
reale, al fine di acquisire le informazioni necessarie
sul comportamento e le perfomance nel tempo del
sistema
• La simulazione definisce l’evoluzione dinamica del
sistema attraverso la rappresentazione degli stati
occupati dal sistema nel tempo, poiché gestisce le
attività che ne regolano le dinamiche
4
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Simulazione
Input
Output
Sistema
reale
Modello
del
sistema
Run al
computer
5
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
La simulazione tradizionale
• Simulazione analitica
– modello basato su equazioni risolvibili analiticamente
• Simulazione numerica
– modello basato su equazioni non risolvibili
analiticamente ma solo numericamente
• Fa uso anche di tecniche di ricerca operativa
– teoria dei giochi
– teoria delle code
– processi di decisione markoviani
– etc.
6
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Modello di simulazione
• Rappresentazione delle componenti del sistema
– entità
• Descrizione delle caratteristiche del sistema
– variabili di stato del sistema
– attributi del sistema
• Descrizione dei comportamenti del sistema
– funzioni, equazioni matematiche
• Evento
– cambiamento di stato del sistema
– rappresentazione del tempo
7
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Tipi di simulazione
• Variabili di classificazione
– tempistica degli eventi
• Simulazione ad eventi discreti
• Simulazione ad eventi continui
– grado di incertezza
• Simulazione deterministica
• Simulazione stocastica
– Simulazione Montecarlo
8
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Simulazione come metodologia di ricerca
•
•
•
•
•
•
•
•
•
•
•
Tool per fare previsioni sul comportamento del sistema
Tool per testare ipotesi
Strumento di theory building
Strumento di indagine finalizzato a scoprire nuove
relazioni e principi
Strumento esplicativo per definire il sistema
Strumento per analisi di tipo what-if
Fonte di valutazione di soluzione e proposte
Strumento di supporto alle decisioni
Generatore di ipotesi
Strumento di training, entertainement e education
Strumento artificiale per svolgere task
9
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Vantaggi
• Studio di fenomeni non direttamente accessibili
e/o difficili da osservare direttamente
• Alternativa alla realizzazione di modelli fisici
quando questi sono troppo costosi, richiedono
tempi elevati e/o sono pericolosi
• Modelli più realistici che consentono di tener
conto dell’incertezza dei fenomeni reali
• Migliore comprensione del funzionamento del
sistema
10
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Svantaggi
• Metodologia computer-intensive
• Meno accurata dell’analisi matematica
• Tempi lunghi per lo sviluppo del modello di
simulazione
• Tempi lunghi richiesti dai run della simulazione
11
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Simulazione basata sugli agenti
Ing. Ilaria Giannoccaro
12
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Nuova prospettiva
• La teoria della complessità (TC)
– Studio interdisciplinare dei sistemi complessi
adattativi (CAS) e dei fenomeni emergenti ad essi
associati
SIMULAZIONE
BASATA
SUGLI AGENTI
13
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Esempi di CAS
• Perché uno stormo di uccelli vola in un certo
ordine?
• Come si sviluppa una colonia di batteri in un
ambiente?
• Come si scopre qual è la tecnologia vincente tra un
insieme di tecnologie concorrenti che si
propongono di risolvere lo stesso problema?
• Come si spiega il funzionamento della borsa?
14
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Aspetti comuni ai CAS
• Ci sono agenti che interagiscono
– molecole, batteri, uccelli, macchine
• Ci sono regole che gli agenti seguono
• Ci sono obiettivi e vincoli contrastanti
• Ci sono interazioni tra un sistema e l’altro
• Ci sono percorsi di adattamento ai cambiamenti
esterni
15
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Proprietà dei CAS
•
•
•
•
•
•
•
•
•
•
Componenti eterogenee ed interagenti, chiamate agenti
Non linearità
Elevati livelli di autonomia degli agenti
Controllo decentrato
Trattamento delle informazioni distribuito
Auto-organizzazione ed emergenza
Adattamento
Apprendimento localizzato
Co-evoluzione
Stato del sistema quasi all’equilibrio (ai confini del
caos)
• Ambiente dinamico
16
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Fenomeni emergenti
• Strutture e schemi che emergono a livello macro
per effetto delle interazioni tra numerosi agenti a
livello micro
• Nessun agente possiede le proprietà emergenti del
sistema
• La proprietà emergente non può essere ottenuta
come la somma dei comportamenti individuali dei
singoli agenti
17
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Applicazioni della TC
• Biologia (Kaufmann, 1993;1995; Wolfram, 2002)
• Scienze Sociali
– economia (Arthur et al., 1997; Tesfatsion, 2002)
– organizzazione (Carley and Gasser, 2000)
– strategia aziendale (McKelvey, 1999)
• Operations Management
– impresa (Terna, 2002a,b)
– supply chain (Lin and Shaw, 1998)
– supply network (Choi et al., 2001)
18
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Simulazione basata su agenti (SBA)
Scienze
sociali
SAAS
Agent-based
computing
SBA
SS
Modelli
cognitivi
degli agenti
MAS
Simulazione
al computer
Architetture
hardware e
software degli
agenti
19
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Simulazione basata sugli agenti
• Definizione
– Uso della tecnologia ad agenti per la simulazione di
fenomeni sociali al computer
• Obiettivo
– approfondire la conoscenza sui processi fondamentali
che regolano il funzionamento di un sistema
20
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Modelli basati su agenti (MBA)
• Insieme di agenti
– eterogenei
– autonomi
– interagenti
• Ambiente esterno
• Assenza di controllo centrale e gerarchia
• Approccio alla simulazione di tipo bottom-up
21
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Alcuni aspetti software
• Gli agenti sono solitamente implementati come
oggetti software
• Costruire un agente-oggetto significa istanziare la
classe “agente”
• Gli agenti-oggetti hanno stati e regole di
comportamento
22
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Principali caratteristiche dei MBA
• Fenomeni emergenti
• Path-dependence
• Inevitabilità del cambiamento
23
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Variabili principali dei MBA
• Numero di agenti del sistema
• Rappresentazione dello spazio
• Rappresentazione del tempo
• Task/azioni svolte dagli agenti
• Complessità delle regole di comportamento
• Realismo cognitivo degli agenti
• Infrastruttura di comunicazione tra gli agenti
• Rappresentazione di network sociali
24
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Classi di MBA
• Modelli di artificial life (AI)
–
–
–
–
molti agenti semplici
si muovono su una griglia
reagiscono in modo prestabilito
applicano regole semplici in base allo stato occupato
• Modelli ad agenti cognitivi (AC)
– pochi agenti
– basati su regole complesse
– apprendimento
• reti neurali
• algoritmi genetici
• sistemi classificatori
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
25
Esempio di agenti: agenti senza mente
• Agenti di tipo reattivo
– modello mentale
• nessuna rappresentazione interna
– regole di comportamento
• del tipo Condizione - Azione
26
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Esempio di agenti: agenti con mente
• Agenti di tipo BDI (Rao e Georgeff, 1991)
– modello mentale
• Belief Desire Intention (BDI)
– belief = conoscenza del mondo
– desire = obiettivi di breve termine
– intention = piani per raggiungere gli obiettivi
• memoria sociale relativa al comportamento degli altri agenti
– regole di comportamento
• capacità di apprendere e ragionare
27
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Tassonomia dell’ambiente
• Ambiente non strutturato
– assenza di regole e/o istituzioni
• Ambiente strutturato
– presenza di regole e/o istituzioni
– es.: la borsa
28
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Tassonomia dei MBA
• Agenti senza mente operanti in ambiente non
strutturato
• Agenti senza mente operanti in ambiente
strutturato
• Agenti con mente operanti in ambiente non
strutturato
• Agenti con mente operanti in ambiente strutturato
29
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Approcci a confronto
Simulazione ad agenti
• modella il comportamento
specifico di ciascun
individuo
• focus sulle entità del
sistema
• struttura del sistema emerge
spontaneamente per effetto
dell’interazione tra gli
agenti
• razionalità limitata degli
individui
• studio dell’evoluzione del
sistema nel tempo
Simulazione tradizionale
• modello di tipo matematico
basato sulle caratteristiche
medie della popolazione
• focus su equazioni/variabili
• simulazione dei
cambiamenti nelle
caratteristiche medie
• simulazione della struttura
imposta dal programmatore
• razionalità illimitata degli
individui
• studio del sistema
all’equilibrio
30
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Quando usare i MBA
• Sistemi di tipo localizzato e distribuito e dominati
da decisioni di tipo discreto
• Sistemi così complessi che anche una semplice
descrizione coinvolge un grande numero di
variabili
• Importanti non linearità nei processi
• Variabili che interagiscono in modi multipli
• Interazioni complesse tra tre o più variabili
31
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Svantaggi dei MBA
• Scarsa replicabilità dei risultati
– validazione del modello
• Numerosi software  assenza di uno standard
–
–
–
–
numero di agenti da trattare
memoria occupata
simulazione onerosa in termini di tempo
raccolta dei dati durante la simulazione
• Necessità di conoscere il linguaggio di programmazione
– programmazione ad oggetti
• Produzione di artefatti
– emergenza imposta dal programmatore
32
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Fasi di sviluppo della simulazione
basata su agenti
Ing. Ilaria Giannoccaro
33
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Fasi di creazione di un MBA
• Definizione del problema
• Sviluppo del modello concettuale
• Programmazione del modello
• Analisi dei risultati
• Validazione
34
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Definizione del problema
• Sviluppare l’idea o la teoria del problema
• Identificare le domande chiave
– quale output si vuole ottenere?
– cosa si vuole che vari durante la simulazione?
– qual è il piano degli esperimenti migliore?
• Specificare le ipotesi
• Fare una lista delle assunzioni rilevanti
• Definire le prestazioni da misurare per osservare i
comportamenti emergenti
35
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Sviluppo del modello concettuale
• Codificare il sistema reale in un MBA
– agenti
• proprietà
– statiche e dinamiche
• architettura
– modello mentale
– regole di comportamento
– ambiente
• strutturato
– agenti dell’ambiente
– regole di funzionamento
– interazioni agente-agente e agente-ambiente
• architettura di comunicazione
• network sociali
– eventi della simulazione
36
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Scelta del livello di dettaglio
KISS*
Veridicità
Uso
Theory bulding
Automi
cellulari
* Keep
Mondi virtuali
Modelli ad
agenti BDI
it simple, stupid (Axelrod, 1997)
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
37
Programmazione del modello
• Quale linguaggio di programmazione usare?
– software basati su linguaggi orientati agli oggetti
– ambiente di simulazione
• Criteri di validità di un linguaggio di programmazione
– validità interna
• il programma sviluppato implementa correttamente il modello
concettuale
– validità esterna
• il programma sviluppato rappresenta correttamente il mondo
reale
– facilità d’uso
– estensione del linguaggio a usi differenti
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
38
Software per SBA
• Swarm
– http:\www.swarm.org
kkk
• Repast
– http://repast.sourceforge.net
• Ascape
– http://www.brook.edu/
dybdocroot/es/dynamics/
models/ascape/ReadMe.html
• StarLogo
– http://education.mit.edu/
starlogo
• NetLog
– http://ccl.northwestern.edu/
netlogo
• AgentSheets
– http://agentsheets.com/
• Cormas
– http://cormas.cirad.fr/
index eng.htm
llllll
• AgentBuilder
– http:\www.agentbuilder.com
39
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
StarLogo
Analisi dei risultati
• Analisi della storia e dell’evoluzione del sistema
(path dependence)
– prospettiva temporale
– prospettiva del singolo agente
– prospettiva globale del sistema
• Analisi statistiche sui dati
– analisi di regressione
– ANOVA
40
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Validazione
• Analisi di sensibilità
– misurare gli output che si ottengono con piccole
variazioni degli input
• Validità teorica
– il modello è un’adeguata concettualizzazione della
realtà
• panel di esperti
• Validità esterna
– i risultati della simulazione sono in accordo con i dati
osservati nella realtà
• Docking
– verificare l’equivalenza tra due modelli
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
41
Principali modelli usati per il docking
• Il gioco della vita di Convey (1970)
– (si veda Poundstone, 1995)
• Garbage Can Model of Organizations di Cohen,
March e Olsen (1972)
• Evoluzione delle strategie del Dilemma del
prigioniero usando gli algoritmi genetici (Axelrod,
1987)
• Il modello NK di Kauffman (1995)
42
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Discussione di un esempio
Ing. Ilaria Giannoccaro
43
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Sugarscape
(Epstein e Axtell, 1996)
44
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Obiettivo della simulazione
• Esplorare un mondo popolato da agenti che si
muovono alla ricerca di cibo per sopravvivere
• Studiare l’effetto delle condizioni ambientali sulla
migrazione delle popolazioni, sulla formazione di
gruppi sociali e su altre dinamiche di natura
sociale
• Complessità crescente degli scenari
– riproduzione
– eredità e trasmissione culturale
– scambi commerciali
45
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Gli agenti
• Obiettivo
– sopravvivenza
• Patrimonio genetico (caratteristiche statiche)
•
•
•
•
riserva di risorse congenita
capacità della vista
consumo energetico per il metabolismo
(longevità)
• Caratteristiche dinamiche
•
•
•
•
posizione sulla griglia (x,y)
intensità del colore (gradazioni di rosso)
benessere o riserva evolutiva
(età )
• Regole di comportamento semplici
46
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Regole degli agenti
• Vedere le celle adiacenti
– direzione nord, sud, ovest, est
– raggio di visione = funzione della vista
• Scegliere la nuova posizione
– cella non occupata
– cella contenente il maggiore quantitativo di cibo
– cella più vicina
• Muoversi verso la cella scelta
• Aggiornare il livello di cibo a
– a(t) = a(t-1) + r - m
• r = quantitativo di cibo della cella
• m = tasso metabolico
– se a  0  l’agente muore
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
47
Movimenti dell’agente
.
.
.
.
.
.
. . . . .
. . . . .
.
.
.
.
.
.
48
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Morte e nascita di nuovi agenti (M&N)
• Morte
– per vecchiaia
• età dell’agente = età massima
• Nascita
– quando un agente muore per vecchiaia è
immediatamente sostituito da un agente giovane
(età = 0) e longevità scelta casualmente in un dato
range
49
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
L’ambiente
• Forma toroidale
– griglia di dimensioni 50 x 50 costituita da celle
• Cella ( x, y)
– livello corrente di zucchero (da 0 a 4)
– capacità massima di zucchero
– occupata o meno da un agente
• Distribuzione di zucchero nello spazio
– valore assegnato in modo random tra una quantità
massima e minima
– distribuzione non uniforme
• 2 picchi che si trovano a nord-est e sud-ovest
50
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Regole dell’ambiente
• Riproduzione di zucchero
– istantanea (G)
– si incrementa sino alla capacità massima in un
intervallo di tempo t (G1)
– si incrementa ad un tasso  ad ogni istante di tempo
(G)
51
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Risultati della simulazione (1/2)
• Modello (G/G1 ,m )
– addensamento degli agenti verso le regioni più ricche
– formazione di due gruppi
• Modello (G1, m)
– convergenza della popolazione verso un valore
asintotico
• numero di individui che l’ambiente può sopportare
52
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Risultati della simulazione (2/2)
• Modello (G1, m, M&N)
– distribuzione finale di ricchezza fortemente
disomogena
– l’ambiente seleziona gli agenti con vista migliore e
metabolismo più basso
• Distribuzione asimmetrica iniziale degli agenti
– movimento in diagonale degli agenti
• non consentito a livello locale
53
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Risultati di altri scenari
• Riproduzione sessuale, trasmissione culturale e
saccheggio di cibo tra gli agenti
– formazione di tribù e segregazioni culturali
• Introduzione di un altro tipo di cibo (spezie) e
differenze nel metabolismo spezie-zucchero
– formazione di un mercato fondato su scambi bilaterali
– prezzi oscillanti attorno ad un valore di equilibrio
– condizioni non ottimali
• Diffusione di malattie infettive
– studio dell’interazione fra epidemie e processi sociali
54
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Prospettive di ricerca per l’OM
Ing. Ilaria Giannoccaro
55
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Uso della simulazione nell’OM
• Survey dal 1992-1997 (Pannirselvam et al., 1999)
– Decision Sciences
– IIE Transactions
– International Journal of Operations and Production
Management
– International Journal of Production Research
– Journal of Operations Management
– Management Science
– Production and Operations Management Journal
56
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Metodologie di ricerca in OM (1992-1997)
Modelli ibridi
13%
Modelli
concettuali/teorici
10%
Modelli matematici/statistici
41%
Ricerca empirica
18%
Simulazione
18%
Modelli matematici/statistici
Simulazione
Ricerca empirica
Modelli concettuali/teorici
Modelli ibridi
(Fonte: Pannirselvam et al., 1999)
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
57
Quality work life
0%
Aree di applicazione
0%
Work Measurement
1%
Aggregate planning
Forecasting
1%
0%
Facility Location
Focus su
problemi di
tipo operativo
3%
Project Management
1%
Purchasing
Maintenance
2%
Capacity planning
2%
1%
Services
2%
Distribution
11%
Facility Layout
1%
Strategy
9%
Process Design
Quality
4%
17%
Inventory control
45%
Scheduling
0%
5%
10%
15%
20%
25%
30%
35%
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
40%
45%
58
50%
Prospettive per l’OM
• Teoria sui sistemi di produzione come sistemi
adattativi complessi
– supply network (Choi et al., 2001)
– distretti industriali (Albino et al., 2003)
– impresa (Terna, 2002)
• Linguaggio di programmazione condiviso e
user-friendly
– ambiente di sviluppo degli agenti
– ambiente di simulazione
– tool di analisi dei risultati
59
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Aree di approfondimento
• Problemi di natura strategica e tattica
• Progettazione di sistemi avanzati di produzione flessibile
• Pianificazione e controllo dei sistemi di produzione
distribuiti
• Integrazione funzionale
• Business Process Re-engineering
• Commercio elettronico
• Supply chain management
– analisi dell’effetto bullwhip
– meccanismi di coordinamento di tipo decentrato
– modelli evoluti di cooperazione cliente/fornitore
– organizzazioni virtuali
60
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia su SBA nell’OM (1/3)
• Albino V., Carbonara N., Giannoccaro I., 2003, Coordination
mechanisms based on cooperation and competition within Industrial
Districts: an agent-based computational approach, Journal of Artificial
Society and Social Simulation, forthcoming.
• Barbuceanu, M., Teigen, R., Fox, M.S., 1997, Agent-based design and
simulation of supply chain systems, Proceedings of the WETICE, IEEE
Computer Society Press, 36-42.
• Cantamessa, M., 1997, Agent-based modeling and management
manufacturing systems, Computers in Industry, Vol 34, 173-186.
• Ebben, M.J.R., de Boer, L ., Pop Sitar C.E, 2002, Multi-agent
Simulation of Purchasing Activities in Organizations, Proc, of the 2002
Winter Simulation Conference, 1337-1344
• Fox, M., Barbuceanu, M., Teigen R., 2000, Agent-oriented Supply
Chain Management, The International Journal of Flexible
Manufacturing Systems, Vol. 12, 165–188
61
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia su SBA nell’OM (2/3)
• Lin, F., Shaw, M.J., 1998, Reengineering the order fulfillment process
in supply chain networks, The International Journal of Flexible
Manufacturing Systems, Vol. 10, 197-229.
• Nissen, M., 2001, Agent based SC intergration, Information
Technology and Management, Vol. 2, 289-312
• Swaminathan, J. M. , Smith, S. F., Sadeh, N. M., 1998, Modeling
Supply Chain Dynamics: A Multiagent Approach, Decision Sciences,
Vol. 29, No.3, 607-632.
• Parunak, H. V. D., 1998, The DASCh Experience: How to Model a
Supply Chain. In Proceedings of Second International
Conference on Complex Systems.
• Parunak, H. V. D. , Savit, R., Riolo, R. L., 1998, Agent-Based
Modeling vs. Equation-Based Modeling: A Case Study and Users'
Guide, In Proceedings of Workshop on Multi-agent systems and
Agent-based Simulation (MABS'98), Springer, 1998. Available at
http://www.erim.org/~van/mabs98.pdf.
62
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia su SBA nell’OM (3/3)
• Schlueter-Langdon, C., Bruhn, P., Shaw, M.J., 2000, Online Supply
Chain Modeling and Simulation, In F. Luna and B. Stefansson (eds.),
Economic Simulations in Swarm: Agent-Based Modeling and Object
Oriented Programming, Dordrecht and London, Kluwer Academic,
251-272.
• Strader, T. J. , Lin, F.R., Shaw, M. J., 1998, Simulation of Order
Fulfillment in Divergent Assembly Supply Chains. Journal of
Artificial Societies and Social Simulation, 1(2),1998. Available at
http://www.soc.surrey.ac.uk/JASSS/1/2/5.html.
• Terna, P., 2002a, Simulazione ad agenti in contesti di impresa, Sistemi
intelligenti, Vol. 1, IV, 33-51.
• Terna, P., 2002b, La simulazione come strumento di indagine per
l’economia, Workshop su Scienze cognitive ed Economia, 21
settembre, Rovereto.
63
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia della lezione (1/5)
•
•
•
•
•
•
Arthur W.B., Durlauf, S.N., and Lane D.A., 1997, The Economy as an
Evolving Complex System II, Addison-Wesley, Reading MA.
Axelrod, R., 1987, The evolution of strategies in the iterated Prisoner’s
Dilemma, In Genetic algorithms and simulated annealing, Lawrence
Davis (ed.), London: Pitman; Los Altos, CA: Morgan Kaufman, 32-41.
Axelrod, 1997, Advancing the Art of Simulation in the Social Sciences, R.
Conte, R. Hegselmann, and P. Terna (Eds), Simulating Social Phenomena,
Berlin, Springer.
Axtell, R., 2000, Why Agents? On the varied motivations for agent
computing in social sciences, Working paper No. 17, Center on Social and
Economic Dynamics, The Brooking Institution, Washington, USA.
Berends P., Romme, G., 1999, Simulation as a Research Tool in
Management Studies, European Management Journal, Vol. 17, No. 6,
576-583.
Brazier, F.M.T., Dunin-Keplics, B., Jennings, N.R., Treur, J., 1995,
Modeling Distributed industrial processes in a Multi-agent Framework,
printed from http:\www.wmw.ac.uk
64
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia della lezione (2/5)
• Carley, K., 2001, Computational approach to Sociological Theorizing,
IN J. Turner (Ed.) Handbook of Sociological Theory, ch. 4, 69-84,
Kluwer Acadimic/Plenum Publishers, New York.
• Carley, K.M., Gasser, L., 2000, Computational Organizational Theory,
in Weiss G. (ed.), Multiagent Systems. A modern approach to
distributed artificial intelligence, The MIT Press, Cambridge
(Massachusetts).
• Choi, K.J. Dooley, M. Rungtusanatham, 2001, Supply networks and
complex adaptive systems: control versus emergence, Journal of
Operations Management, Vol. 19, 351-366.
• Cohen, M. D., March, J. G., Olsen, J. , 1972, A garbage can theory of
organizational choice, Administrative science quarterly, Vol. 17, 125.
• Davidsson, P., 2002, Agent Based Social Simulation: A computer
science view, Journal of Journal of Artificial Society and Social
Simulation, Vol. 5, No. 1.
• Epstein, M.E., Axtel,l R., 1996, Growing Artificial Societies: Social
Science from the Bottom-up, Washington, Brookings Institution Press,65
XI Scuola
- 18 Settembre 2003 - Bressanone
Cambridge, MA,
MITAiIG
Press
Bibliografia della lezione (3/5)
• Gell-Mann, M., 1994, The quark and the jaguar, Freeman & Co., New
York.
• Gilbert, N., Troitzsch, K,G., 1999, Simulation for the Social Scientist,
Open University Press.
• Goldspink, C., 2002, Methodological Implications of Complex
Systems Approaches to Sociality: Simulation as a foundation for
knowledge, Journal of Artificial Societies and Social Simulation, Vol.
5, No. 1, available at http://jasss.soc.surrey.ac.uk/5/1/3.html.
• Gotts, N.M., Polhill, J.G., Law, A.N.R., 2003, Agent-based Simulation
in the Study of Social Dilemmas, Artificial Intelligence Review, Vol.
19, 3-92.
• Holland, J.H., 1995, Hidden Order: How Adaptation Builds
Complexity, Addison-Welsey, Reading, MA.
• Holland, J.H., 2002, Complex Adaptive Systems and Spontaneous
Emergence, in Curzio, A.Q., Fortis, M. (eds.), Complexity and
Industrial Clusters, Physica-Verlag Heidelberg.
66
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia della lezione (4/5)
•
•
•
•
•
•
•
Huhns, M.N., Stephens, L.M., 2000, Multiagent Systems and Societies of
Agents, in Weiss G. (ed.), Multiagent Systems. A modern approach to
distributed artificial intelligence, The MIT Press, Cambridge
(Massachusetts).
Kauffman, S.A., 1993, The Origins of Orders: Self-Organization and
Selection in Evolution, Oxford University Press, New York/Oxford.
Kauffman, S.A., 1995, At home in the Universe, Oxford and New York:
Oxford University Press.
McKelvey, B., 1999, Complexity theory in organization science: Seizing
the promise or becoming a fad?, Emergence, Vol. 1, 3–32.
Pannirselvam, G., P., Ferguson L.A., Ash R.C., Siferd S.P., 1999,
Operations Management Research for the 1990s, Journal of Operations
Management, Vol. 18, 95–112.
Poundstone, W. (1985). The recursive universe. Chicago, IL:
Contemporary Books.
Rao, A. S., Georgeff, M. P., 1991, Modeling rational agents within a BDI
architecture. In J. Allen, R. Fikes, and E. Sandewall (eds.), Proc. of the Int.
Conf. on Principles of Knowledge Representation and Reasoning, San
Mateo, CA: Kaufmann, 473-485.
67
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Bibliografia della lezione (5/5)
• Terna, P., 2001, Creating Artificial World: A note on Sugarscpae and
Two comments, Journal of Artificial Society and Social Simulation,
Vol. 4, No. 2.
• Terna, P., 2002a, Simulazione ad agenti in contesti di impresa, Sistemi
intelligenti, Vol. 1, IV, 33-51.
• Terna, P., 2002b, La simulazione come strumento di indagine per
l’economia, workshop su Scienze cognitive ed Economia, 21
settembre, Rovereto.
• Tesfatsion, L., 2001, Agent-based computational Economics: Growing
Economies from the Bottom-up, Artificial Life, Vol. 8, No. 1, 55-82,
available at http:\www.econ.iastate.edu/tesfatsi/acealife.pdf
• Wolfram, S., 2002, A New Kind of Science, Wolfram Media Inc.
Edition.
• Weiss, G., 2000, Multiagent Systems. A modern approach to
distributed artificial intelligence, The MIT Press, Cambridge
(Massachusetts).
68
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
Siti web utili da consultare
•
SWARM web site
– http:\www.swarm.org
•
SantaFe University web site
– http:\www.santafe.edu
•
Journal of Artificial Society and Social Simulation
– www.soc.surrey.ac.uk/JASSS
•
Agent-based Computational Economics
– http:\ www.econ.iastate.edu\tesfatsion\ace.htm
•
Syllabus of Readings for Articial Life and Agent-based Economics
– http://www.econ.iastate.edu/tesfatsi/sylalife.htm
•
Agent-based Economics and Artificial Life: A brief introduction
– http://www.econ.iastate.edu/tesfatsi/getalife.htm
•
Computational Analysis of Social and Organizational Systems
– http://www.casos.ece.cmu.edu
•
INFORMS College on Simulation
– http://www.informs-cs.org/
•
Computer Simulation of Society
– http://www.soc.surrey.ac.uk/research/simsoc/simsoc.html
XI Scuola AiIG - 18 Settembre 2003 - Bressanone
69