This paper may be considered as a practical reference for those who wish to add (now sufficiently matured) Agent Based modeling to their analysis toolkit and may or may not have some System Dynamics or Discrete Event modeling background. We focus on systems that contain large numbers of active objects (people, business units, animals, vehicles, or even things like projects, stocks, products, etc. that have timing, event ordering or other kind of individual behavior associated with them). We compare the three major paradigms in simulation modeling: System Dynamics, Discrete Event and Agent Based. Modeling with respect to how they approach such systems. We show in detail how an Agent Based model can be built from an existing System Dynamics or a Discrete Event model and then show how easily it can be further enhanced to capture much more complicated behavior, dependencies and interactions thus providing for deeper insight in the system being modeled. Commonly understood examples are used throughout the paper; all models are specified in the visual language supported by AnyLogicTM tool. We view and present Agent Based modeling not as a substitution to older modeling paradigms but as a useful add-on that can be efficiently combined with System Dynamics and Discrete Event modeling. Several multi-paradigm model architectures are suggested

چکیده

این مقاله به عنوان یک مرجع کاربردی برای افرادی در نظر گرفته شده است که میخواهند مدلسازی عامل بنیان (نه به طور خیلی کامل و دقیق) را به مجموعه ای از  ابزار خود جهت تجزیه و تحلیل اضافه کنند و ممکن است آموخته هایی در زمینه مدلسازی رویداد گسسته یا پویایی شناسی سامانه ها داشته باشند یا نه. ما بر روی سامانه هایی تمرکز میکنیک که آبجکت های پویا/فعال زیادی داشته باشند (مردم، واحدهای کسب و کار، حیوانات، وسایل نقلیه یا حتی چیزهایی مثل پروژه ها، استوک ها/موجودی ها، محصولات و غیره که دارای زمانبندی، ترتیب/ساماندهی رویداد یا نوع دیگری از رفتار فردی مرتبط با آنها). سه الگوی اصلی در مدلسازی مبتنی بر شبیه سازی را مقایسه می کنیم: پویایی شناسی سامانه ها، مدلسازی رویداد گسسته و مدلسازی عامل بنیان با توجه به اینکه آنها چگونه با چنین سامانه هایی برخورد می کنند. ما به طور جزئی نشان می دهیم که چگونه یک مدل عامل بنیان می تواند از پویایی شناسی سامانه های موجود یا مدل رویداد گسسته ساخته شود و سپس نشان می دهیم که چقدر راحت میتوان آن را برای مقید کردن رفتار، وابستگی ها و تعاملات بسیار پیچیده تر تقویت کرد و دید عمیقتری را نسبت به سامانه مدل سازی شده فراهم کرد. در تمام این مقاله از مثال هایی که عموما قابل درک هستند استفاده می شود. تمام مدل ها در قالب زبان تصویری پشتیبانی شده توسط ابزار Any logic (انی لاجیک) مشخص شده اند. ما مدلسازی عامل بنیان را نه به عنوان یک جایگزین برای الگوهای قدیمی تر مدلسازی بلکه به عنوان یک افزوده مفید تلقی کرده و ارائه می دهیم که میتواند به طرز موثری با پویایی شناسی سامانه ها و مدلسازی رویداد گسسته بهترکیب شود. معماری های مختلف مدل چند الگویی پیشنهاد می شود.

1-مقدمه

به منظور حصول اطمینان از توافق همگی ما در مورد واژگانی که استفاده می کنیم لطفا نگاهی به شکل 1 بیندازید. مدل سازی روشی برای حل مشکلاتی است که در دنیای واقعی روی می دهند. زمانی از مدلسازی استفاده می شود که نمونه سازی اولیه و آزمایش کردن با سیستم واقعی گران یا غیر ممکن باشد. مدلسازی به شما اجازه می دهد که سیستم ها/سامانه ها را قبل از عملی شدن بهینه سازی کنید. مدلسازی شامل فرآیند نقشه برداری/طراحی مسئله از دنیای واقعی به مدل آن در دنیای مدل ها–فرآیند انتزاع-تحلیل و بهینه سازی مدل و نقشه برداری/طراحی دوباره راه حل به سیستم واقعی می باشد...