基于Agent的语言演化仿真研究

语言的产生及其演化问题是复杂系统研究领域的一个热点问题.研究表明,传统的建模方法无法很好地刻画复杂系统,而基于多Agent的建模仿真方法是当前研究复杂系统的最有力工具之一,有必要进行深入研究.在简单介绍复杂适应性系统、基于多Agent的建模方法的研究概况,以及多Agent建模工具--Repast仿真平台以及它的结构、主要类库与建模步骤后,以语言的产生及其演化问题为研究对象,进行基于多Agent的建模仿真实验,结果表明基于多Agent的建模仿真方法非常合适复杂适应性系统的研究,具有很大的发展空间.     

基于多Agent的天战系统建模与仿真方法研究

简单介绍了复杂系统理论及其建模方法，分析了天战系统的总体行为特征，指出对天战系统的仿真研究需采用复杂适应系统（CAS）理论的研究方法，即采用基于Agent的建模仿真方法学来开展研究，概述了Agent和多Agent系统的概念及基于多Agent的仿真，并给出了一个基于高层体系结构（HLA）的天战系统的仿真框架，最后展望了将来的研究工作。     

基于Agent的城市废物计量收费方案仿真研究

提出一种基于Agent的城市废物计量收费仿真模型.由于城市废物计量收费仿真模型属于复杂适应性系统(CAS),传统的建模仿真方法无法完好地刻画城市废物计量收费仿真模型,而基于多Agent的建模仿真方法(ABS)是当前研究复杂适应性系统的最有利工具之一.有必要进行深入研究.在简单介绍复杂适应性系统、基于多Agent的建模方法的研究概况,以及多Agent建模工具--Repast仿真甲台以及它的结构、主要类库与建模步骤后,以城市废物计茸收费仿真模型为研究对象,进行基于多Agent的建模仿真实验,结果表明基于多Agent的建模仿真方法非常合适复杂适应性系统的研究,具有很大的发展空间.     

基于Agent的企业演化模型仿真研究

针对企业演化过程的动态性和不确定性,借鉴Holland教授的复杂适应系统理论的建模思想,提出运用神经网络的学习能力模拟智能体适应性的方法,建立基于复杂适应系统理论的企业演化模型.主要从企业行为的视角对处于动态竞争中的企业如何应对竞争实现企业演化的问题进行探讨,期望充实关于竞争和演化的理论.通过开发基于swarm平台的Ob-ject-c仿真程序,模拟了不确定环境下企业的规模分布和动态演化过程,并对仿真结果进行分析.     

基于Agent的Repast仿真分析与实现

基于复杂适应系统(CAS)理论在计算机上建立模型是研究社会复杂系统的一个基本方法.选择一个合适的基于A-gent的建模与仿真平台能降低社会科学工作者的研究难度.Repast是目前使用较多的基于Agent的建模与仿真平台之一,主要应用于社会科学仿真领域.简要介绍了Repast平台的背景,从建模与仿真的两个角度分析了Repast仿真的特点,并介绍了Repast的主要类库.从仿真实现的基本步骤,Repast内含的时间表机制和显示机制,仿真程序框架几方面探讨了Repast仿真模型的设计与实现流程.从CarryDrop模型的实现结果,能看出基于Repast平台能较方便地实现基于Agent的仿真.最后指出Repast平台突出的特点是能充分利用.Net和Java类库的众多功能.     

基于多agent的虚拟股市仿真研究

复杂适应系统的基本思想认为系统的复杂性起源于其中个体的自适应性。该文借助Multi-agent的建模技术,对真实股市和投资者的行为进行合理的约简,设计出具有自适应能力的股民(agent),通过自适应股民的相互行为,从而构建一个虚拟的股票市场。最后对仿真的结果进行分析并展望了未来的研究方向。     

基于多Agent的蚂蚁觅食过程仿真研究

复杂系统的仿真研究是复杂系统研究领域的一个热点问题.研究表明,传统的建模仿真方法无法很好地刻画复杂系统,而基于多智能体(Agent)的建模仿真方法是当前研究复杂系统的最有力工具之一,有必要进行深入研究.在简单介绍复杂系统以及基于多Agent的建模仿真方法的研究概况后,以蚂蚁觅食过程为研究对象,进行基于多Agent的建模仿真实验,结果表明基本多Agent的建模仿真方法非常适合复杂系统的研究,具有很大的发展空间.     

一种基于CAS的代理主体行为仿真模型

科技创新系统是一个复杂适应系统。对该系统代理主体行为进行仿真研究，有助于进一步探讨代理主体行为对环境的影响，代理主体对企业技术进化过程以及创新对社会发展的影响，建立测算代理主体行为对社会影响的定量化模型。研究的最终目的是期望能为科技创新系统的建设和创新政策的制定提供科学的依据，使创新在推动经济和社会的发展中发挥更大的作用。研究模型选用Repast平台，Repast平台具有支持完全并行的离散事件操作、内置的系统动态模型等诸多特点。仿真结果表明：在科技创新系统的发展过程中，有必要加强代理的推广作用和政府的引导作用，使其能够与环境协调一致。该结论与实际相符合，证明了模型的有效性。     

用于复杂适应系统仿真的Agent免疫学习系统

分析了复杂适应系统（Complex Adaptive System，CAS）仿真中对Agent学习系统的要求以及基于遗传算法的Agent规则学习系统的不足，提出了一种基于改进免疫遗传算法的Agent学习系统，在该算法中将领域知识和经验作为疫苗对规则库中的规则进行免疫按种，并利用混沌变异模型对规则进行变异操作，产生新的规则。最后，结台跨流域调水管理复杂适应系统仿真中的Agent规则学习过程，对Agent的规则学习和演化机制进行了算法验证及实例分析。     

基于CAS理论的多Agent建模仿真方法研究进展

基于复杂适应系统CAS理论的多Agent建模仿真是近年来复杂系统领域的一个研究热点.本文在简单介绍CAS理论的基础上对基于CAS理论的多Agent建模仿真方法的主要研究内容和研究现状进行分类和描述,最后对该研究领域存在的主要问题和发展趋势进行了分析和总结.     

基于Agent的投资者情绪对于股市演化行为仿真研究

基于双向拍卖机制作为价格生成机制,应用遗传算法来进化预测规则,建立了中国股市的人工金融市场模型,并在此基础上研究了投资者情绪对于市场演化行为的影响。研究结果表明人工市场能够产生真实市场演化过程中的混沌动力学行为,并且市场演化行为随着投资者情绪的变化而变动。这一研究对挖掘中国股票市场的演化规律具有重要意义。     

基于agent的连续双向拍卖人工股市建模研究

我国股票市场是连续双向拍卖的订单驱动市场,而在连续双向拍卖人工股市的仿真研究中,目前发现的仿真模型均是在Swarm中实现的[1],用Java实现的仿真模型尚未发现。对仿真得到的数据进行了分析,仿真数据表明,真实股票市场中的一些典型特征都可在本文模型的仿真过程出现。     

MMDR算法的优化以及在证券仿真中的应用

设计了一种降低了时间复杂度和空间复杂度的横向拟正则规则双层的MMDR算法,介绍了利用这个优化的算法在股市数据中得到的正则规则进行股票价格预测的方法,以及如何将此算法的运行过程中产生的大量规则应用于证券交易仿真复杂适应系统的“个体”建模中,以解决证券交易仿真系统需要大量互不相同的个体建模的问题。     

基于多重注意力机制的图神经网络股市波动预测方法

股票市场是金融市场关键组成部分,因此对股票市场波动的研究对合理化控制金融市场风险、提高投资收益提供了重要支持,一直以来都是学术界和相关业界的关注焦点,然而,股票市场会受到各种因素的影响。面对股票市场中多源化、异构化的信息,如何高效挖掘、融合股票市场的多源异构数据具有挑战性。为了充分解释不同信息及信息间相互作用对于股票市场价格波动的影响,提出一种基于多重注意力机制的图神经网络来预测股票市场的价格波动。首先,引入关系维度构建股票市场交易数据和新闻文本的异构子图,并利用多重注意力机制实现图数据的融合;其次,通过图神经网络门控循环单元（GRU）进行图分类,在此基础上完成对股票市场中上证综合指数、沪深300指数、深证成份指数这三个重要指数波动的预测。实验结果表明,从异构信息特性角度,相较于股票市场交易数据,股市新闻信息对于股票价格影响存在滞后性;从异构信息融合角度,所提方法与支持向量机（SVM）、随机森林、多核k-means （MKKM）聚类等算法相比,预测准确率分别提升了17.88个百分点、30.00个百分点和38.00个百分点,并进行了模型交易策略的量化投资模拟。     

股票市场混沌吸引子的特征量——基于G-P算法与小数据量算法

针对金融时间序列的特点,论文分析已有混沌特征量算法的基础上,采用特殊的对数线性趋势消除法(简记为LLD)处理数据、引入Rosenstein提出的小数据量算法等计算最大李雅普诺夫指数以及其它混沌系统的特征量,对我国证券市场的混沌动力学结构作出了稳健的分析。结果表明中国股市具有显著的非线性混沌特征,这一结论将为金融理论的研究提供新的方向。     

基于股票市场灵敏度分析的神经网络预测模型

股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,建立基于股票市场灵敏度分析的神经网络预测模型。针对神经网络结构设计问题,计算网络输入层与隐层神经元的灵敏度,并修剪网络中不敏感的神经元,在保证模型泛化能力的同时,实现网络结构精简;针对神经网络黑箱问题,根据输入层神经元灵敏度解决各输入变量对股票市场的重要性和反馈机制。以上证指数为例,在不同的时间跨度下对股票市场运行规律进行学习,并分析不同结构修剪模型的适用性和市场意义。最后,通过与其他神经网络预测模型比较,验证本文模型的有效性。     

基于多层网络的银行间市场信用拆借智能风险传染机制

基于多层网络结构对银行间市场进行分析研究，有利于规避或减弱对金融市场的风险冲击。基于信用拆借业务场景模拟的测试数据，结合银行间市场多层网络结构和复杂网络分析方法，从不同角度对银行间市场中重要节点进行判断识别，同时计算层间的Jaccard相似系数数和机构间皮尔逊相似性系数，从宏观和微观角度来衡量银行间市场的风险传染性。实验结果表明，中国银行、国家开发银行等大型国有金融机构系统重要性较高，且机构间的相似度越大，风险传染性就越大。因此，通过计算网络层内的重要性节点衡量指标，全面完整地对整个系统的风险传染情况进行分析，可协助监管部门实现对系统重要性机构的精准监测。同时，从层间分析与层内分析两个角度出发，全面衡量受到金融冲击后的机构间风险传染程度，可为监管机构提供政策上的建议。     

基于Agent UML的企业供需网系统建模

在对多功能开放型企业供需网的复杂适应系统特征进行分析的基础之上,运用扩展UML的Multi-Agent系统建模方法--Agent UML建立了多功能开放型企业供需网的动态模型.分析多功能开放型企业供需网的复杂适应系统特点,建立供需网的多智能自主体系统结构,应用Agent UML建模方法分析了供需网多智能体系统中角色的静态结构关系和动态行为.在此基础上,建立了供需网动态交互行为模型.     

A chaos and fractal theory based nonlinear dynamical model for China stock market

The China stock market is proved to be a chaotic system, a nonlinear dynamical model is established based on the study of the nonlinear dynamical properties of Shanghai stock, composite index sequence by using chaos and fractal theory. The phase space of the stock sequence is reconstructed and the correlation dimension is analyzed, which indicates that the dynamical system has finite degree of freedom. The nonlinear evolution mechanism is observed and the initial value sensitive characteristic of the system is demonstrated through Lyapunov exponent analysis. Finally, the stock sequence is reconstructed by using finite degree of freedom based fractal interpolation algorithm and gaining reasonably accurate replications. The experimental results indicate that the nonlinear dynamical model is more effective to describe the China stock market than the conventional ＂random walk＂ theory based stochastic models.     

Development of an artificial market model based on a field study

An artificial market model for analyzing economic phenomena has been developed based on the results of a field study. In the construction of the model, the forms of the virtual dealers' utility function and learning methods were derived from field data. The results of simulating the artificial market were compared with the field data. First, the temporal movements of agents' forecasts in the simulation were compared with those of actual dealers as given by survey data. Next, the factors that the virtual dealers regarded as significant in forecasting were categorized. The categories were compared to those of actual dealers and found to be similar. Finally, the temporal changes in virtual dealers' opinions were compared with data obtained through interviews with actual dealers. The proposed model was found to enable repeated and detailed analysis of dealer thinking under various conditions in real time.