SlideShare une entreprise Scribd logo
1  sur  28
Ágens-alapú szimulációk Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem  Programozási nyelvek és fordítóprogramok tanszék  Az informatika alapjai és módszertana  doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás  IK Szakest  - 2011. április 28.
Kivonat Bevezetés Alapfogalmak: ágens, ABM, motiváció Példák Projectek Eredmények Összefoglalás 2011. április 28. 2 Legéndi Richárd Olivér, IK Szakest
Kutatási irányok Ágens-alapú szimulációk Háttér: sokszor egy hálózat  Ismertségi, publikációs kapcsolat, táplálkozási lánc, ... Dinamikus hálózatok Dinamikus folyamatok Információ-, betegségterjedés, ... Időben változó hálózatok 2011. április 28. Legéndi Richárd Olivér, IK Szakest  3
Ágens? 2011. április 28. Legéndi Richárd Olivér, IK Szakest  4 Replicator (Stargate)
Ágens-alapú modellezés (ABM) Ágens: önálló döntéshozó Komplex rendszerek számos, egymással kölcsönhatásban lévő szereplővel Alulról felfelé építkező számítási modell Emergens globális (makro) jelenségek vizsgálata lokális (mikro) szabályok meghatározásával
Ágens-alapú modellezés (ABM) Az ágensek általában: Függetlenek Saját döntéseket hoznak Tanulnak, alkalmazkodnak a környezethez Meghatározott topológia szerint kommunikálnak(grid, speciális hálózatok, stb.) Nem jósolni szeretnénk Viselkedési minták alapján következtetések
Motiváció – Példa „The economy needs agent-based modelling -The leaders of the world are flying the economy by the seat of their pants, say J. Doyne Farmer andDuncan Foley. There is, however, a better way to help guide financial policies. In today’s high-tech age, one naturallyassumes that US President BarackObama’s economic team and its international counterparts are using sophisticated quantitative computer models to guide us out of the current economic crisis. They are not.” J. Doyne Farmer andDuncan Foley The economy needs agent-based modelling Nature Vol. 460, 6 August, 2009 2011. április 28. Legéndi Richárd Olivér, IK Szakest  7
Közgazdaságtan Jelenleg használt modellek: Ekonometrikus Statisztikai modellek Idősorelemzés: a múlt adataira illesztés Kiváló előrejelző nagyjából azonos változások esetén „Dinamikus sztochasztikus általános egyensúlyi” Tökéletes világot feltételeznek... ... amiben a válsághoz hasonló fogalom nem is létezik Heterogenitás, spekulációk, személyes preferenciák, nem racionális szereplők...? 2011. április 28. Legéndi Richárd Olivér, IK Szakest  8
A miérteket folytatva Reprezentatív felől elmozdulhatunk heterogén szereplők felé Bonyolultabb folyamatokat leírni esetenként makro szinten nehéz – ha nem lehetetlen Az ABM megközelítés sokkal kézenfekvőbb az általánosan bevált matematikai eszközöknél 2011. április 28. Legéndi Richárd Olivér, IK Szakest  9
Példák Információ-, Betegségterjedés Katasztrófavédelem Forgalomtervezés Adóelkerülés
Demo – Schelling-féle szegregáció 2011. április 28. Legéndi Richárd Olivér, IK Szakest  11 http://ccl.northwestern.edu/netlogo/models/Segregation
Miért lehet érdekes? Kis létszámú, de roppant heterogén kutatóbázis Szociológusok, epidemológusok, közgazdászok, biológusok, politológusok, ... Komoly szükség van a jól képzett informatikusokra 2011. április 28. Legéndi Richárd Olivér, IK Szakest  12
Projectek ELTE IKKK  GVOP-3.2.2-2004.07-005/3.0 (2007) Emergence In the Loop, EMIL EC FP6 STREP #033841 (2007-2009) QosCosGrid, QCG EC FP6 STREP #033883 (2006-2009) TÁMOP TÁMOP-4.2. 1/B-09/1/KMR-2010-0003 ELTE-Soft KMOP-1.1.2-08/1-2008-0002  2011. április 28. 13 Legéndi Richárd Olivér, IK Szakest
Fables Functional Agent-Based Language for Simulation Szimulációs nyelv és Eclipse-alapú keretrendszer Bartha Sándor, Legéndi Richárd (MSc) Keszthelyi Balázs (BSc) ~5-6 publikált cikk https://fables.aitia.ai https://mass.aitia.ai/fables 2011. április 28. Legéndi Richárd Olivér, IK Szakest  14
Traffix Közlekedési szimulációkhoz kifejlesztett ágens-alapú környezet Bálint Balázs (MSc, könyvfejezet, +2-3 cikk) http://www.youtube.com/user/balintba Diamant Péter (MSc) Tóth Vivien (BSc) Dósa László, Barna Zoltán http://traffix.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest  15
TaxSim Adóelkerülés szimulátor MTA Közgazdaságtudományi partnerekkel Szabó Attila (~4-5 publikált cikk) http://taxsim.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest  16
Szimulációs módszertan Design of Experiments Iteratív kiértékelő algoritmus (IUI) Szabó Attila (PhD) 2011. április 28. Legéndi Richárd Olivér, IK Szakest  17
GridABM Fizikai korlátok: Számítási kapacitás, memória Automatikus párhuzamosítást támogató modellsablonok  Ágensek számának növelése griden történő futtatással Ne jelentsen többlet munkát a párhuzamos  változat elkészítése Szemes Gábor (MSc, ~10 előadás/publikáció) http://gridabm.sourceforge.net/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest  18
GridABM 2011. április 28. 19 Legéndi Richárd Olivér, IK Szakest
Szoftvertechnológia csoport Distributed ABM - http://distributedabm.elte.hu/ Elosztott implementációs technikák Kommunikációs költségeket minimalizáló gráfvágások Futásidejű megoldások dinamikus kapcsolati gráfokhoz Modellformalizációs technikák hatékonysága Modellek automatikus párhuzamosítása Szakdolgozat, diplomamunka, TDK lehetőség Lehetséges témák a weboldalon 3 előadás/publikáció Jelenleg ~6 BSc/MSc szakdolgozó 2011. április 28. Legéndi Richárd Olivér, IK Szakest  20
Társadalmi hálózatok 2011. április 28. Legéndi Richárd Olivér, IK Szakest  21
Társadalmi hálózatok Interakciós topológia Szomszédság Tipikus tulajdonságok: „Kisvilág” Klaszterezettség Skálafüggetlenség (power law) Ezekre alapvető modellek: Erdős-Rényi (1., ha összefüggő) Watts-Strogatz (2., lehet 1. is) Barabási-Albert (1., 3., de nem 2.) ... 2011. április 28. Legéndi Richárd Olivér, IK Szakest  22
Hálózatelemzés Cséri Tamás: Ritka hálózatok robusztusságának szimulációs vizsgálata a sűrűség függvényében(OTDK) Dinamikus hálózatok Statikus modellek: pillanatfelvétel Minden hálózat változik A kumulatív hálózat tulajdonságainak vizsgálata 2011. április 28. Legéndi Richárd Olivér, IK Szakest  23
Összefoglalás Eddigi eredmények Ágens-alapú szimulációk eszközeinek összehasonlítása Formális lehetőségek ágens-alapú szimulációk leírására Ágens-alapú szimulációk elosztott futtatásának lehetőségei Alapvető dinamikus hálózatok vizsgálata További tervezett kutatási irányok Multicore rendszerek elemzése ágens-alapú renszerek szempontjából Elosztott futtatások további vizsgálata Időben változó hálózatok GSoC 2011 – Repast Simphony Fujita-Krugman-Venables modell ágens-alapú implementációja 2011. április 28. 24 Legéndi Richárd Olivér, IK Szakest
Érdeklődőknek Dr. Gulyás László felvehető órái az ELTE-n: Társadalmi rendszerek számítógépes szimulációja 1-2http://hps.elte.hu/~gulya/Teaching/TarsSzim/TarsSzimu2.htm A hálózatok világábanhttp://hps.elte.hu/~gulya/Teaching/Halovilag/Halovilag.html Haladó hálózat-elemzés  (angol nyelvű olvasószeminárium) Szoftvertech laborhttp://distributedabm.elte.hu/ Ágens Portálhttp://www.agent.ai/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest  25
Gyakorlati felhasználási területek Filmek (ld. Gyűrűk Ura csatajelenetei) Logisztikai feladatok (ld. Vehicle Routing Problem) Döntéshozóknak eszköz lehet Okostelefonok Ld. Google + Android + Maps = dugófigyelés 2011. április 28. Legéndi Richárd Olivér, IK Szakest  26
Kérdések 2011. április 28. 27 Legéndi Richárd Olivér, IK Szakest
Köszönöm a figyelmet! Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem  Programozási nyelvek és fordítóprogramok tanszék  Az informatika alapjai és módszertana  doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás  IK Szakest  - 2011. április 28. 2011. április 28. 28 Legéndi Richárd Olivér, IK Szakest

Contenu connexe

En vedette

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by HubspotMarius Sescu
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTExpeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 

En vedette (20)

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 

2010/04/28 IK Szakest, Ágens-alapú szimulációk

  • 1. Ágens-alapú szimulációk Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem Programozási nyelvek és fordítóprogramok tanszék Az informatika alapjai és módszertana doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás IK Szakest - 2011. április 28.
  • 2. Kivonat Bevezetés Alapfogalmak: ágens, ABM, motiváció Példák Projectek Eredmények Összefoglalás 2011. április 28. 2 Legéndi Richárd Olivér, IK Szakest
  • 3. Kutatási irányok Ágens-alapú szimulációk Háttér: sokszor egy hálózat Ismertségi, publikációs kapcsolat, táplálkozási lánc, ... Dinamikus hálózatok Dinamikus folyamatok Információ-, betegségterjedés, ... Időben változó hálózatok 2011. április 28. Legéndi Richárd Olivér, IK Szakest 3
  • 4. Ágens? 2011. április 28. Legéndi Richárd Olivér, IK Szakest 4 Replicator (Stargate)
  • 5. Ágens-alapú modellezés (ABM) Ágens: önálló döntéshozó Komplex rendszerek számos, egymással kölcsönhatásban lévő szereplővel Alulról felfelé építkező számítási modell Emergens globális (makro) jelenségek vizsgálata lokális (mikro) szabályok meghatározásával
  • 6. Ágens-alapú modellezés (ABM) Az ágensek általában: Függetlenek Saját döntéseket hoznak Tanulnak, alkalmazkodnak a környezethez Meghatározott topológia szerint kommunikálnak(grid, speciális hálózatok, stb.) Nem jósolni szeretnénk Viselkedési minták alapján következtetések
  • 7. Motiváció – Példa „The economy needs agent-based modelling -The leaders of the world are flying the economy by the seat of their pants, say J. Doyne Farmer andDuncan Foley. There is, however, a better way to help guide financial policies. In today’s high-tech age, one naturallyassumes that US President BarackObama’s economic team and its international counterparts are using sophisticated quantitative computer models to guide us out of the current economic crisis. They are not.” J. Doyne Farmer andDuncan Foley The economy needs agent-based modelling Nature Vol. 460, 6 August, 2009 2011. április 28. Legéndi Richárd Olivér, IK Szakest 7
  • 8. Közgazdaságtan Jelenleg használt modellek: Ekonometrikus Statisztikai modellek Idősorelemzés: a múlt adataira illesztés Kiváló előrejelző nagyjából azonos változások esetén „Dinamikus sztochasztikus általános egyensúlyi” Tökéletes világot feltételeznek... ... amiben a válsághoz hasonló fogalom nem is létezik Heterogenitás, spekulációk, személyes preferenciák, nem racionális szereplők...? 2011. április 28. Legéndi Richárd Olivér, IK Szakest 8
  • 9. A miérteket folytatva Reprezentatív felől elmozdulhatunk heterogén szereplők felé Bonyolultabb folyamatokat leírni esetenként makro szinten nehéz – ha nem lehetetlen Az ABM megközelítés sokkal kézenfekvőbb az általánosan bevált matematikai eszközöknél 2011. április 28. Legéndi Richárd Olivér, IK Szakest 9
  • 10. Példák Információ-, Betegségterjedés Katasztrófavédelem Forgalomtervezés Adóelkerülés
  • 11. Demo – Schelling-féle szegregáció 2011. április 28. Legéndi Richárd Olivér, IK Szakest 11 http://ccl.northwestern.edu/netlogo/models/Segregation
  • 12. Miért lehet érdekes? Kis létszámú, de roppant heterogén kutatóbázis Szociológusok, epidemológusok, közgazdászok, biológusok, politológusok, ... Komoly szükség van a jól képzett informatikusokra 2011. április 28. Legéndi Richárd Olivér, IK Szakest 12
  • 13. Projectek ELTE IKKK GVOP-3.2.2-2004.07-005/3.0 (2007) Emergence In the Loop, EMIL EC FP6 STREP #033841 (2007-2009) QosCosGrid, QCG EC FP6 STREP #033883 (2006-2009) TÁMOP TÁMOP-4.2. 1/B-09/1/KMR-2010-0003 ELTE-Soft KMOP-1.1.2-08/1-2008-0002 2011. április 28. 13 Legéndi Richárd Olivér, IK Szakest
  • 14. Fables Functional Agent-Based Language for Simulation Szimulációs nyelv és Eclipse-alapú keretrendszer Bartha Sándor, Legéndi Richárd (MSc) Keszthelyi Balázs (BSc) ~5-6 publikált cikk https://fables.aitia.ai https://mass.aitia.ai/fables 2011. április 28. Legéndi Richárd Olivér, IK Szakest 14
  • 15. Traffix Közlekedési szimulációkhoz kifejlesztett ágens-alapú környezet Bálint Balázs (MSc, könyvfejezet, +2-3 cikk) http://www.youtube.com/user/balintba Diamant Péter (MSc) Tóth Vivien (BSc) Dósa László, Barna Zoltán http://traffix.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest 15
  • 16. TaxSim Adóelkerülés szimulátor MTA Közgazdaságtudományi partnerekkel Szabó Attila (~4-5 publikált cikk) http://taxsim.aitia.ai 2011. április 28. Legéndi Richárd Olivér, IK Szakest 16
  • 17. Szimulációs módszertan Design of Experiments Iteratív kiértékelő algoritmus (IUI) Szabó Attila (PhD) 2011. április 28. Legéndi Richárd Olivér, IK Szakest 17
  • 18. GridABM Fizikai korlátok: Számítási kapacitás, memória Automatikus párhuzamosítást támogató modellsablonok Ágensek számának növelése griden történő futtatással Ne jelentsen többlet munkát a párhuzamos változat elkészítése Szemes Gábor (MSc, ~10 előadás/publikáció) http://gridabm.sourceforge.net/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest 18
  • 19. GridABM 2011. április 28. 19 Legéndi Richárd Olivér, IK Szakest
  • 20. Szoftvertechnológia csoport Distributed ABM - http://distributedabm.elte.hu/ Elosztott implementációs technikák Kommunikációs költségeket minimalizáló gráfvágások Futásidejű megoldások dinamikus kapcsolati gráfokhoz Modellformalizációs technikák hatékonysága Modellek automatikus párhuzamosítása Szakdolgozat, diplomamunka, TDK lehetőség Lehetséges témák a weboldalon 3 előadás/publikáció Jelenleg ~6 BSc/MSc szakdolgozó 2011. április 28. Legéndi Richárd Olivér, IK Szakest 20
  • 21. Társadalmi hálózatok 2011. április 28. Legéndi Richárd Olivér, IK Szakest 21
  • 22. Társadalmi hálózatok Interakciós topológia Szomszédság Tipikus tulajdonságok: „Kisvilág” Klaszterezettség Skálafüggetlenség (power law) Ezekre alapvető modellek: Erdős-Rényi (1., ha összefüggő) Watts-Strogatz (2., lehet 1. is) Barabási-Albert (1., 3., de nem 2.) ... 2011. április 28. Legéndi Richárd Olivér, IK Szakest 22
  • 23. Hálózatelemzés Cséri Tamás: Ritka hálózatok robusztusságának szimulációs vizsgálata a sűrűség függvényében(OTDK) Dinamikus hálózatok Statikus modellek: pillanatfelvétel Minden hálózat változik A kumulatív hálózat tulajdonságainak vizsgálata 2011. április 28. Legéndi Richárd Olivér, IK Szakest 23
  • 24. Összefoglalás Eddigi eredmények Ágens-alapú szimulációk eszközeinek összehasonlítása Formális lehetőségek ágens-alapú szimulációk leírására Ágens-alapú szimulációk elosztott futtatásának lehetőségei Alapvető dinamikus hálózatok vizsgálata További tervezett kutatási irányok Multicore rendszerek elemzése ágens-alapú renszerek szempontjából Elosztott futtatások további vizsgálata Időben változó hálózatok GSoC 2011 – Repast Simphony Fujita-Krugman-Venables modell ágens-alapú implementációja 2011. április 28. 24 Legéndi Richárd Olivér, IK Szakest
  • 25. Érdeklődőknek Dr. Gulyás László felvehető órái az ELTE-n: Társadalmi rendszerek számítógépes szimulációja 1-2http://hps.elte.hu/~gulya/Teaching/TarsSzim/TarsSzimu2.htm A hálózatok világábanhttp://hps.elte.hu/~gulya/Teaching/Halovilag/Halovilag.html Haladó hálózat-elemzés (angol nyelvű olvasószeminárium) Szoftvertech laborhttp://distributedabm.elte.hu/ Ágens Portálhttp://www.agent.ai/ 2011. április 28. Legéndi Richárd Olivér, IK Szakest 25
  • 26. Gyakorlati felhasználási területek Filmek (ld. Gyűrűk Ura csatajelenetei) Logisztikai feladatok (ld. Vehicle Routing Problem) Döntéshozóknak eszköz lehet Okostelefonok Ld. Google + Android + Maps = dugófigyelés 2011. április 28. Legéndi Richárd Olivér, IK Szakest 26
  • 27. Kérdések 2011. április 28. 27 Legéndi Richárd Olivér, IK Szakest
  • 28. Köszönöm a figyelmet! Legéndi Richárd Olivér legendi@inf.elte.hu Eötvös Loránd Tudományegyetem Programozási nyelvek és fordítóprogramok tanszék Az informatika alapjai és módszertana doktori program Témavezetők: Dr. Gulyás László, Dr. Kozsik Tamás IK Szakest - 2011. április 28. 2011. április 28. 28 Legéndi Richárd Olivér, IK Szakest

Notes de l'éditeur

  1. Arról tudok beszélni, amivel én találkoztam, foglalkoztam az egyetemen, ez pedig az ABM.
  2. Alulról felfelé építkező számítási modell
  3. Önszerveződő, önreplikáló, formába szerveződő, programozott lények
  4. Valamekkora szabadságfokkal megáldott kis entitánsokNincs teljes információPraktikusan szoftver komponensek
  5. Remélem nagy hülyeséget nem mondok, ehhez kevésbé értek...Haszigorúan vesszük...Vannak faktorok, amelyekkel egyszerűen nem tudnak mit kezdeni ezek a módszerekEz egy példa a sok közül...
  6. Tovább haladva a miértek felé, általánosságban...
  7. Politikai korrektség jegyében...Első alapmodellek egyike, ’70-es évek, 2005-ben Nóbel-díj a társadalmi jelenségek játékelméleti elemzése kapcsánSakktáblán „futott”Tórikus, nincs új ágens, jól érzi magát, ha..., toleranciaszint; Lépés: körönként mindegyik, véletlen sorrendben, dupla bufferelésselAzonban mégis van értelme, hiszen rámutat valamire: nem garancia egy társadalomban, hogy a magas toleranciaszint nem vezet szegregációhoz.Természetesen rengeteg kritika érheti a modellt: Miért egyformák a házak? Mi az, hogy az ember véletlenszerűen költözködik? Ráadásul ki az, aki naponta/hetente költözésre buzdítja az egész családját? Van olyan ember, aki megnézi a szomszédait, és ha nem szimpatikusak neki, akkor fogja a sátorfáját, és elköltözik?A modell tulajdonságait, feltételeit variálva elemezhetjük a szimulációt
  8. Azon a nyilvánvaló előnyön kívül, hogy az ember kutathat, akadémiai szférában tevékenykedhet...Tervben lévő konferenciák: Anglia, Guildford; Portugália, Liszabon; Montpellier, Franciao.; Bécs
  9. EMIL: normák kialakulása (Wiki, Hume – csoportok kialakulása, piacok vannak, reputáció alapján, NR - normakövetés)
  10. Befejezett dolgozatok, ELTE-hez köthető tanulókkal együtt készített publikációk
  11. Sávok, lámpák, különböző viselkedésű vezetők...Bazsi:ColbudDiamant a hatrafele terjedo dugokat modellezniMargit sziget, etc.
  12. Nem jóslás problémaköre: nem azt akarjuk megmondani, mi az „optimális” helyzet, hanem olyan tanulságokat levonni, hogy pl. van-e értelme a sűrűbb ellenőrzéseknek, mert az szignifikánsan módosítja-e az adófizetést, stb.
  13. „hiperkocka” x2^6  6 paraméter, 2-2 értékkel (random)Faktoroknak külön-külön, párban, hármasokban, etc. – de egy szinten felül már nem (elhagyunk
  14. Gyakorlati Java ismeretek, ipar számára is hasznosak: ProActive, JavaSpaces, RMI, SGE, Hadoop, GridGain, Terracotta, etc.
  15. Nem nodes meg edges, hanem actorok meg relációk
  16. N csúcs esetén a legrövidebb utak hossza arányos logN-nelBetegségek + klaszterezettségSkálafüggetlen: sexnetFelhívnám a figyelmet a nevekre... + Albert rékaFertőzés, oltás 0.005% esély bénulásra; USA: 300
  17. Hálózat hány, hogy, milyen komponensekre esik szétER, BA, WS-hoz jellegükben hasonló modellek
  18. A jegyzetet én írtam – olyan is lett sajnos :P