欢迎光临
免费的PDF电子书下载网站

动态网络分析与仿真研究 PDF下载

编辑推荐

《动态网络分析与仿真研究》在理论方面集中介绍动态网络分析和社会仿真,包括复杂系统、社会网络分析,社会网络模型,复杂适应系统的概念和建模,等等;应用方面主要研究社会网络的职业压力和流行病传播,包括实证研究、仿真研究和对策研究三部分。 ;

内容简介

大数据时代的互联网 与人工智能的发展,为研究人类社会动态和解决社会复杂性问题带来了前所未有的机遇,促进了计算机、传播学、复杂性科学、管理学、经济学、社会学、行为学、心理学等领域相互交叉渗透。 全书共两篇: 一是理论基础篇,介绍了动态网络分析和社会仿真; 二是案例应用篇,包括基于统计分析的实证研究,基于Agent仿真、定性仿真、元胞自动机、传播动力学的仿真研究以及对策研究。案例为职业压力和流行病传播分析。 本书可作为高等院校理工科高年级学生和研究生的教学参考书,也可供系统科学、管理科学、社会科学等交叉学科专业的研究人员和技术人员参考。

作者简介

暂无

动态网络分析与仿真研究 PDF下载

目录

 ;C O N T E N T S

目录

第1篇基础理论篇

第1章绪论

1.1背景

1.2复杂系统的研究综述

1.2.1国外研究综述

1.2.2国内研究综述

1.2.3国内外复杂性科学研究比较

1.3社会网络分析的研究综述

1.3.1社会网络分析的发展历程

1.3.2社会网络分析的经典理论

1.3.3知名研究机构或团队

1.4复杂系统建模与仿真方法

1.4.1基于智能技术的复杂系统建模与仿真方法

1.4.2基于离散事件动态系统的复杂系统建模与仿真方法

1.4.3定性建模与仿真方法

1.4.4复杂网络建模与仿真方法

1.4.5基于数学手段的复杂系统仿真方法

1.4.6综合集成方法

1.4.7其他建模与仿真方法

1.5本书的主要内容及结构安排

1.5.1本书的主要内容

1.5.2本书的结构安排

第2章动态网络分析

2.1社会网络分析基础

2.1.1社会网络分析

2.1.2社会网络指标

2.1.3社会网络模型

2.2动态网络分析的基本理论

2.2.1动态网络分析的创新

2.2.2动态网络基本演化过程

2.3社会网络上的病毒传播

2.3.1基于生物学的经典病毒传播模型

2.3.2无标度网络中的病毒传播机制

2.3.3有限规模无标度网络的传播阈值

2.4本章小结

第3章人工社会与社会仿真

3.1人工社会

3.1.1基本概念

3.1.2人工社会的构成

3.1.3核心方法

3.2复杂适应系统

3.2.1CAS理论的核心思想

3.2.2CAS的基本概念

3.2.3CAS的特点

3.2.4CAS的建模与仿真

3.3社会仿真的原因和目的

3.3.1社会仿真的原因

3.3.2社会仿真的目的

3.4社会仿真建模与方法

3.4.1基于多智能体的仿真

3.4.2元胞自动机

3.4.3基于QSIM定性仿真

3.5本章小结

第2篇案例应用篇

第4章高校教师工作压力模型与调查研究

4.1引言

4.2关于工作压力的研究

4.2.1工作压力相关概念

4.2.2工作压力要素

4.2.3工作压力模型

4.3桶状工作压力模型

4.4高校教师工作压力现状调查

4.5高校教师工作压力分析

4.5.1表征分析

4.5.2负面影响分析

4.5.3压力源分析

4.6本章小结

第5章高校教师工作压力扩散研究

5.1引言

5.2复杂网络上的传播动力学

5.2.1复杂网络理论

5.2.2复杂网络的经典传播模型

5.2.3复杂网络的传播阈值理论

5.3多智能体仿真与仿真平台AnyLogic

5.3.1多智能体仿真

5.3.2仿真平台AnyLogic

5.4OSD模型

5.4.1节点L视角

5.4.2节点S视角

5.4.3节点I视角

5.4.4节点R视角

5.5实验设计、确认与结果

5.5.1扩散阈值对工作压力扩散的影响

5.5.2网络拓扑结构类型对工作压力扩散的影响

5.5.3组织的初始压力分布对工作压力扩散的影响

5.6本章小结

第6章高校工作压力对教师群体行为影响的研究

6.1引言

6.2教师群体的特征

6.3OEQS模型

6.3.1相关表述

6.3.2状态转换规则

6.3.3过滤原理

6.3.4定性仿真引擎

6.4模型的确认

6.4.1高校示例描述

6.4.2实验方案设计

6.4.3定性仿真与分析

6.5高校工作压力对教师群体行为影响的定性仿真应用

6.6本章小结

第7章高校工作压力对工作绩效影响的研究

7.1引言

7.2高校工作压力对工作绩效影响的问题分析

7.2.1工作绩效的概念

7.2.2工作压力—工作绩效的关系理论

7.3基于CA的系统建模

7.3.1基本CA模型

7.3.2建模对象

7.3.3状态及变量

7.3.4局部规则

7.4系统设计与开发

7.5仿真实验、确认与分析

7.5.1实验方案设计

7.5.2仿真结果、确认及分析

7.6本章小结

第8章高校教师工作压力管理与对策研究

8.1引言

8.2关于压力管理的研究

8.2.1压力管理的内涵

8.2.2压力管理的模型

8.3高校教师工作压力管理模式

8.3.1高校教师工作压力仿真结果分析

8.3.2高校教师工作压力管理模式

8.4多视角高校教师个体的工作压力管理

8.4.1基于个体视角

8.4.2基于组织视角

8.5社会层面对缓解高校教师工作压力的策略

8.5.1发动社会、媒体关注教师工作压力问题

8.5.2营造尊师重教的良好社会氛围

8.6本章小结

第9章复杂网络上的A(H1N1)型流感传播模型研究

9.1引言

9.2复杂网络的经典传播模型

9.3A(H1N1)病毒传播模型及仿真

9.4本章小结

附录高校教师工作压力接受问卷调查研究

参考文献

 ;

前沿

F  ;O R E W O R D前言
大数据时代的来临,为研究人类社会动态和解决社会复杂性问题以及跨学科交叉研究带来了前所未有的机遇,计算机、传播学、复杂性科学、管理学、经济学、社会学、行为学、心理学等领域在相互交叉渗透。中国拥有占据世界第二的庞大的互联网保有量资源,网民规模达7.51亿(截至2017年6月),其中手机网民占比96.3%。基于互联网的微信朋友圈、QQ空间和微博等各种在线社交网络飞速扩展,极大地影响着网络舆情的传播、信息的扩散、群体的网络安全、事件的预测与分析等; 手机银行、在线支付、在线旅行预订、网上外卖、在线购物等形成商务生态网络; 学术界、产业界的学者和专家都离不开创新网络、引文网络的支持,“社会网络”的研究和应用再次成为热点,并且已经从静态转向动态,从单一网络转向多元网络,从单层分析转向多层分析。复杂适应系统提出“适应性造就复杂性”,而构成社会网络的Agent,具有趋利避害、理性与感性相结合的不断变化的“人”才是复杂性的根源。动态网络分析和社会仿真是本书的两大理论基础,是复杂适应系统建模与仿真的两大重要方法。本书获得湖北省教育厅项目(编号: B20104406)和湖北理工学院科技创新团队项目(编号: 13xtz06)的资助,其内容可构成项目研究基础和研究成果。本书是作者的博士论文和在美国匹兹堡大学访学期间的学术成果的梳理和总结。由于内容较多,本书理论方面集中介绍了动态网络分析和社会仿真,应用方面主要基于社会网络的职业压力和流行病传播。第二本专著在应用方面将基于合作竞争的移动商务的战略联盟演化、基于在线社交网络的突发事件网络舆情演化,以及社会网络与人工智能相结合等方面进行研究。全书内容分为理论基础篇和案例应用篇,案例应用篇分为实证研究、仿真研究和对策研究三部分。第1章是绪论,是复杂系统、社会网络分析的研究综述,并介绍了复杂系统建模与仿真方法。第2和第3章是理论部分。第2章介绍了社会网络分析的概念、方法、层次与指标,社会网络模型,动态网络分析的创新与演化过程,最后介绍了社会网络上的病毒传播动力学。第3章介绍了人工社会的概念、构成与核心方法,复杂适应系统的核心思想、基本概念、特点以及复杂适应系统的建模与仿真,使用社会仿真的原因与目的,最后介绍典型的社会仿真建模与方法。第4章是对高校教师工作压力传播的实证研究,采用的是统计方法。第5~第7章都是对高校教师工作压力传播的仿真研究,模型与调查研究,由理论进入应用,通过统计分析的方法进行实证研究。第5章基于Agent建模与仿真方法对工作压力的演化进行仿真研究。第6章基于定性仿真的高校工作压力对教师群体行为影响的研究,建立振荡均衡定性仿真模型,研究了工作压力对教师群体行为的影响。第7章基于元胞自动机的高校工作压力对工作绩效影响的研究。第8章是对高校教师工作压力管理的对策研究。第9章运用病毒传播动力学对复杂网络上的甲流传播进行仿真研究。

本书是刘天印(湖北理工学院)和万琼(湖北师范大学)合著的,是我们的第一部专著,在炎热的夏天,在灯光长明的夜晚,都流下了辛勤的汗水。也要感谢我们的女儿热心的支持和帮助,祝她学业有成、生活愉快; 还要感谢博士导师胡斌教授和张金隆教授,将我们引进社会仿真的殿堂; 2015年获得国家留学基金委资助赴美国匹兹堡大学访学,期间跟随卡内基·梅隆大学的Kathleen M. Carley教授学习动态网络分析课程,感谢她的指导和帮助; 同时还要感谢同门同学,特别与吴江的交流深感受益良多。本书参考了大量其他学者的研究成果,进行了引用标注,在此一并表示感谢。由于作者水平和经验有限,不妥和有争议之处在所难免,恳请专家和读者们不吝赐教,来函请发至邮箱tianyin.liu2005@hbpu.edu.cn,再次感谢。刘天印万琼2017年12月

免费在线读

C H A P T E R5
第5章高校教师工作压力扩散研究
5.1引言一项对72所国内高校的调查显示,有94.6%的教师感到有精神压力,其中有35.6%的人感到压力很大。国外根据瑞士日内瓦大学哈伯曼(M. Huberman)的研究(1993)发现,40%的教师有过疲劳的经历。这些研究都表明教师压力是普遍存在的。虽然压力对人的影响有积极与消极两个方面,但是,大量的研究表明,压力对教师的影响主要是消极的。压力导致教师情绪的不稳定,如焦虑、压抑、抑郁,对教师的心理影响很大。国内外的众多研究结果已经证明,教师是一个高压力职业。本书将高校组织抽象为复杂网络,教师抽象为网络中的节点,采用基于智能体仿真的方法,发展工作压力传播模型,对复杂网络中教师工作压力传播规律进行仿真研究,为高校和教师提供决策支持,以采取正确的压力管理策略。对于工作压力(也称职业压力,Occupational Stress或Job Stress)的定义,有的学者认为工作压力是应激变量,有的认为它是环境变量,还有的认为它是介于个体和环境之间的交互变量。教师压力就是教师由于教学、科研等工作方面原因而导致的一种情绪经历,这种情绪直接作用在心理,反映在生理上,体现在行为中。工作压力主要包括压力源、中介变量和压力反应。教师压力源指跟教师的教学及教学情景相关的能够改变压力强度的压力来源,包括3个方面: ①学校(组织)因素,如任务要求、角色要求、角色模糊、角色冲突、工作过载及组织变化; ②个体因素,如个体能力、个体期望、个性特征及团队关系; ③环境因素,即经济、政治、技术的不确定性。关于工作压力理论,1979年Karasek提出工作要求—控制(决策)(Job DemandsControl/Decision Latitude,JDC)模型,到1988年Cooper、Sloan和Williams进一步论证了职业压力指示器(Occupational Stress Indicator,OSI)模型。1989年Johnson等人将社会支持维度添加到JDC模型,提出工作要求—控制—支持(Job DemandControlSupport,JDCS)模型。后来Robbins(1997)提出的压力源—压力体验—压力结果模型(StressorStress experienceStress effect Model)。复杂网络(Complex Networks)就是具有复杂拓扑结构和动力行为的大规模网络,是从拓扑学的角度对自然界的大量复杂系统的一种很好的描述方式。复杂网络的3个基本类型,即随机网络(Random Networks)、小世界网络(Small World Networks)和无标度网络(Scale Free Networks)。大量的实证研究表明,现实世界中的复杂网络常常既有小世界效应又有无标度特性。关于传播模型,有一些经典模型描述信息、疾病、创新、产品的传播。众所周知,病毒传播模型是其中研究和应用最广泛的,包括SIS(Susceptible Infected Susceptible)模型和SIR(Susceptible Infected Recovered)模型等。PastorSatorras等研究了复杂网络特别是无标度网络结构的病毒传播规律,Lloyd及Olinky等研究了异质网络的病毒传播。然而,以上病毒传播模型并不适合解决工作压力传播。其差异在于压力传播后个体(节点或智能体)的压力强度会发生变化(即当一个节点输出压力,其自身的压力强度将降低; 当输入压力,其压力强度将增加)。相反,在经典的病毒性营销模型中,个体一旦成为采纳者会保持其状态,并且使用4个状态变量而不是2个变量。5.2节介绍复杂网络上的传播动力学,5.3节介绍多智能体仿真与仿真平台AnyLogic,5.4、5.5节建立工作压力扩散(Occupational Stress Diffusion,OSD)模型,在AnyLogic软件上运行该模型,通过MATLAB软件绘图分析,得到仿真结果,最后进行小结。5.2复杂网络上的传播动力学5.2.1复杂网络理论1. 复杂网络简介

“21世纪是网络的世纪”。网络极大地丰富了人们的日常生活,使人们的工作方式也发生了改变。网络的力量无处不在,可以通过手机、电子邮件随时随地与远方的亲朋好友保持联络。人们熟知的网络以Internet为代表。另外,网络还体现在现实生活的各个方面,如通信网络、交通网络、电力网络等。此外,还包括各种抽象的网络,如科学家之间构成的科研合作网络、人与人所形成的社会关系网络、国家之间形成的贸易关系网络等。伴随着计算机对数据的处理和计算能力的飞跃,科学家们发现这些真实网络既不是单纯的规则网络,也不是完全随机的网络,而是一种具有完全不同于前两者的统计特征的网络,这些网络被科学家们称为复杂网络。
复杂网络理论为对现实中由图描述的复杂系统分析提供了强有力的方法理论,它将现实生活中的复杂系统抽象成为网络,对其结构特征和动态行为等进行研究,其复杂性主要表现为节点复杂性和结构复杂性。因此,复杂网络研究成为了21世纪初最热门的研究课题之一,引起了大批来自统计物理、数学、生物、计算机科学和信息科学等诸多领域学者们的关注。2. 复杂网络研究的新纪元20世纪60年代初,匈牙利数学家Erds和Rényi建立的随机图(Random Graphs)理论被公认为是数学上开创了复杂网络理论的系统性研究,其模型称为ER随机图。此后近40年的时间里,随机图理论一直是研究复杂网络结构的基本理念,被认为是描述真实系统最好的网络。绝大多数实际的复杂网络结构并不是完全随机的。直到20世纪末,两篇开创性的文章标志着复杂网络研究新纪元的开始: ①1998年美国康奈尔(Cornell)大学博士生Watts及其导师Strogatz教授在Nature杂志上发表题为“‘小世界’网络的集体动力学”的文章,提出小世界网络(Small World Networks),其模型称为WS模型。物理学家把大的聚类系数和小的平均距离两个统计特征合在一起,称为小世界效应(SmallWorld Effect),具有这种效应的网络就是小世界网络。②1999年美国Notre Dame大学的Barabsi教授及其博士生Albert在Science杂志上发表题为“随机网络中标度的涌现”的文章,提出无标度网络(Scale Free Networks),其模型称为BA模型。许多真实复杂网络的度分布服从幂律(Power Law)分布,这个特性称为无标度性(ScaleFree Nature),其产生机理有网络的增长特性和优先连接特性。增长特性即网络的规模是不断扩大的。优先连接特性即新的节点更倾向于那些具有较高连接度的“大”节点相连接,这种现象也称为“马太效应”。

图51复杂网络基本类型
因此,把节点的度分布服从幂律分布的网络叫做无标度网络。大量的实证研究表明,现实世界中的复杂网络常常既有小世界效应又有无标度特性。图51表示的是复杂网络的3个基本类型,即随机网络、小世界网络和无标度网络。这两篇重要的文章对于复杂网络研究具有里程碑的意义,开启了复杂网络研究的全新时代。斯蒂芬·霍金曾经说过,21世纪会是复杂的世纪。复杂网络研究成为21世纪初最热门的研究课题之一恰恰就说明了这一点。
3. 复杂网络的基本概念现实世界中很多系统都可以用复杂网络模型来表示,如Internet网、万维网(WWW)、通信网、交通网、电力网、神经网、社会关系网、科研合作网等。随着人类社会的发展和科技的进步,网络的复杂度日益加剧。复杂网络就是具有复杂拓扑结构和动力行为的大规模网络,是从拓扑学的角度对自然界的大量复杂系统的一种很好的描述方式。将真实系统中的个体抽象为节点(Node或Vertex),而通过边(Edge)来表示个体间的相互联系,网络则是由这些节点和连接这些节点的边所组成的图(Graph)。复杂网络的节点可以是人或者实体,边是这些节点之间的联系或关系。复杂网络是一种描述自然科学、社会和工程技术中相互关联的模型,涉及多个学科领域,如复杂性科学、计算机科学等领域。复杂网络的特征度量一般包括度分布、聚类系数和平均路径长度。1) 度分布(Degree Distribution)节点i的度ki: 节点i与网络中其他节点的连接数,即

ki=∑j∈Naij(51)

式中N——网络节点总数; ;aij——网络连接矩阵元,当i和j相连时,则aij=1; 当i和j不相连时,则aij=0。所有节点的度ki的平均值称为网络的平均度,定义为

。度分布: 网络中节点的度分布用分布函数P(k)来表示,其含义为一个任意选择的节点恰好有k条边的概率,也等于网络中度数为k的节点的个数占网络节点总个数的比值。2) 聚类系数(Clustering Coefficient)聚类系数Ci用来描述网络中节点的聚集情况,即网络有多紧密,比如在社会网络中,你朋友的朋友可能也是你的朋友或者你的两个朋友可能彼此也是朋友。其计算方法为: 假设有一个度为ki的节点i,如果这ki个节点都相互连接,它们之间应该存在ki(ki-1)/2条边。假如它们之间实际存在的边数只有Ei的话,则Ei与ki(ki-1)/2之比就是节点i的聚类系数,即

Ci=2Eiki(ki-1)(52)

网络的聚类系数就是整个网络中所有节点的聚类系数的平均,即

C=1N∑iCi(53)

3) 平均路径长度(Average Path Length,APL)网络中两个节点i和j之间的距离dij是其最短路径长度,为连接两个节点的最短路径上的边数。网络的直径指网络中任意两个节点之间的距离的最大值,记为D,即

D=maxi,j dij(54)

网络的平均路径长度L定义为网络中任意两个节点之间的距离的平均值,即

L=112N(N-1)∑i≥jdij(55)

式中N——网络节点总数。5.2.2复杂网络的经典传播模型复杂网络中应用最广泛的经典传染病模型是SIS模型和SIR模型,关于它们的讨论和较新的研究进展可以在文献中找到。1. SIS(SusceptibleInfectedSusceptible)模型

图52SIS病毒传播模型

在SIS模型中存在两种状态,即易感状态(S)和感染状态(I)。感染状态的人群是某网络中病毒传播的源头,按照概率λ向易感人群传播疾病,同时该个体也有概率μ被治愈; 易感人群被感染后成为新的传染源,治愈后可以被重复感染。SIS模型的感染机制可以用图52表示。 ;

对于像肺结核、淋病这类治愈后患者也没有办法获得免疫能力的疾病,往往采用SIS模型来描述,患者被治愈后自动恢复为易感染状态。如果用s(t)、i(t)分别表示网络中节点处于S态和I态的个体占总数的比例,则在SIS模型中,疾病传播可以用式(56)来描述,即

ds(t)dt=-λ

i(t)s(t) μi(t)di(t)dt=λ

i(t)s(t)-μi(t)(56)

式中λ——感染率; ;μ——恢复率; ;

——网络中节点的平均度。2. SIR(SusceptibleInfectedRecovered)模型在SIR模型中存在3种状态,即易感态(S)、感染态(I)和恢复态(R)。易感态的个体在接触感染态的个体时,会以一定概率λ被感染而成为感染态; 处于感染态的个体一方面可以感染处于易感态的个体; 另一方面会以概率μ被治愈而处于恢复态,同时具有了永久的

图53SIR病毒传播模型

免疫能力,而不会再次感染疾病或病毒,也不会传染给其他个体。SIR模型的感染机制可以用图53表示。像麻疹、百日咳等这些易传染的疾病,感染态个体一旦被治愈则具有永久免疫能力或无法治愈而死亡,从而无法再感染其他处于易感态的个体,一般采用SIR模型来描述这类流行病的传播过程。这类流行病的传播过程一般采用SIR模型来描述。假设μ为恢复率,λ为感染率, s(t)、i(t)、r(t)分别表示处于易感态S、感染态I和恢复态R的节点数占网络中总节点数的比例,

表示网络中节点的平均度,SIR模型的动力学方程可以表述为式(57),即

s(t)t=-λ

is

i(t)t=λ

is-μir(t)t=μi(57)

5.2.3复杂网络的传播阈值理论在复杂网络传播动力学的研究中,传播阈值是理论和实验研究工作者特别关注的一个重要参量。如果流行病的传播概率大于该传播阈值,那么它将会爆发并且持续存在; 否则将会自然消失。在复杂网络上,最近的理论和实验都表明流行病的传播阈值与网络系统的大小有着紧密的联系。而大部分的理论研究都是建立在网络系统的热力学极限条件上的,也就是将网络系统的尺寸看作是无限大的。因此,理论和数值研究的结论与实验的结果存在很大的差异。同时,也应该注意到,不同的真实系统通常具有不同的体系大小,并且其尺寸也将随时间在演化。因此,在不同的复杂网络上研究流行病传播阈值的有限尺度效应对于预测复杂体系中传染病暴发和流行等行为的发生有十分重要的意义。目前,复杂网络上流行病传播的研究主要集中在具有幂律型度分布的网络模型上。然而,对许多真实系统的统计研究表明,幂律型度分布的网络模型无法完全刻画真实系统所具有的众多统计特征。流行病阈值的有限尺度效应在其他典型的网络模型(如小世界网络模型和具有指数型度分布的网络模型)上也缺乏一个系统的研究。因此,在不同的网络模型上系统研究体系尺寸对传播阈值的影响,对于探讨真实复杂系统中传播特性具有指导意义。由于真实网络的无标度特征,经典传播模型已经经历了一次大的整合。不过,在修正传播动力学方程的同时,人们很少涉及这些模型的微观传播机制。事实上,复杂网络的传播动力学行为不仅依赖于网络的结构,也很紧密地联系到微观传播机制。不同的微观传播机制将导致许多截然不同的传播特征。最近,Olinky和Stone考虑到无标度网络中个体度的差异性,定义了度相关感染概率。在这种感染机制下,他们发现甚至对于具有无标度度分布的复杂网络,非零的流行病阈值能够出现。考虑更加真实的、细致的微观传播机制对于了解真实复杂系统中流行病的传播行为显得尤其重要。目前,理论分析和数值仿真研究的结果都表明,在无标度网络中,无论流行病的传染性是多么弱,流行病仍然能够爆发并且持续存在。这样一来,如何控制流行病的传播将是人们所面临的主要问题之一。然而,现有的免疫策略都存在一定的局限性。例如,随机免疫花费巨大,不经济; 比例免疫和目标免疫因为需要全局的网络结构知识,从而导致执行困难。因此,如何设计经济而有效、并不需要全局网络结构知识的免疫策略去根除诸如社会和计算机系统中各种病毒的危害将是非常值得探索的问题。5.3多智能体仿真与仿真平台AnyLogic5.3.1多智能体仿真1. Agent(智能体)与多智能体系统

自20世纪90年代以来,Agent已成为计算机和人工智能领域研究的重要前沿。不同领域的专家在设计和开发Agent系统时,从各自视角和研究目的给出Agent不同的定义。多智能体仿真系统(MultiAgent Simulation System,MASS)是由多个可计算的Agent组成的集合。每个Agent是对客观实体的抽象,能作用于自身和环境,并与其他Agent进行通信。通过Agent之间的合作,多Agent系统提高了系统的能力。2. 多智能体仿真系统建模过程1) Agent抽象建立多智能体仿真模型,首先要明确系统边界和问题域,对系统进行Agent抽象,建立Agent类图。Agent抽象的一般原则: 将组成系统的每个实体都抽象为一个实体Agent,根据研究(或应用)的需要,合理确定抽象的粒度,将异质的Agent分别形成相应的Agent类,而将同质的多个Agent的抽象归结为一个Agent类。2) Agent个体建模建造Agent模型的方法按照模板结构不同可分为反应或反射型结构、认知或思考型结构、混合型结构三类。从当前的研究结果看,认知或思考型结构居主导地位,在管理系统建模中,混合型Agent结构更适合。3) 多智能体模型的体系结构建立由多个Agent组成的完整的系统模型,需要确定多智能体系统的体系结构,包括确定仿真模型中Agent的数量、通信渠道、协议和确定Agent之间的关联结构与协调规则,形成复杂的系统行为和人机交互。5.3.2仿真平台AnyLogicAnyLogic支持几乎所有现有的离散事件和连续建模方法,如系统动力学、动态系统、离散事件和基于Agent的建模,如图54所示。

图54建模方法

AnyLogic是基于复杂系统设计方法学的仿真软件。它使UML的功能进入仿真建模领域,基于Java平台和Web浏览器的Java Applets运行仿真模型,提供创建真实的动态模型的虚拟工具—动态变化的结构和互连的组件。AnyLogic独创的动画框架让你能够迅速地在仿真的方式下构建起采用分级结构的精密复杂的互动式模型。AnyLogic动画100%使用Java语言。人们可以在Internet上对其进行访问或者使用Java Applets在网页浏览器上显示。图55显示了AnyLogic强大的建模技术。

图55AnyLogic强大的建模技术

5.4OSD模型工作压力扩散指压力的分解、转移与传递等。高校组织的压力扩散如图56所示。

图56高校组织的压力扩散

在工作压力扩散模型中,参考了独立层叠模型和阈值模型的机制。在独立层叠模型中,Goldenberg等仿真口碑在社会网络中的传播过程,其中通过强连接在同一个网络中传播,通过弱连接在网络之间传播。他们发现弱连接对信息传播的影响和强连接的作用是相似的。在阈值模型中,网络中的每一个节点都对应着相应的阈值,这些阈值服从某个概率分布; 同时每个节点指定连接权重对应网络的每一条边。当个体的压力强度变化总和大于其阈值,该节点变换其状态。基于智能体仿真是现实社会到人造社会建模的工具,作为研究复杂现实系统的平台(吴江等,2008)。如图57所示,建立工作压力扩散模型(OSD模型,Occupational Stress Diffusion Model),它包括4个分图。

图57工作压力扩散模型

在图57中,传播影响系数wi (i=1,2,3) ,w1



ΔCjLS(t)=1-(1-w1)Sj(t)(1-w2)Ij(t)(1-w3)Rj(t)(58)

式中ΔCjLS(t)——t时刻个体j从L状态向S状态变化的压力强度的改变量; ;Sj(t)——直接和个体j相连的S状态的个体的数量; ;Ij(t)——直接和个体j相连的I状态的个体的数量; ;Rj(t)——直接和个体j相连的R状态的个体的数量; ;Lj(t)——直接和个体j相连的L状态的个体的数量。当L状态的个体接收到来自更高压力状态个体的压力时,其压力强度将以一定的速度增加。如果ΔCjLS(t)大于某个特定的传播阈值Uj,个体j将由L状态转变到S状态; 否则,保持以前的状态不变。表51解释了该阈值。传播阈值Uj是服从均匀分布U(T,1)的随机数,这里的T是扩散阈值,扩散阈值受压力控制的影响,它的变化是全局的,会影响社会网络中所有个体。5.4.2节点S视角

ΔCjSL(t)=1-(1-w1)Lj(t)(59)

ΔCjSI(t)=1-(1-w1)Ij(t)(1-w2)Rj(t)(510)

如果ΔCjSL(t)>;ΔCjSI(t),且ΔCjSL(t)-ΔCjSI(t)>;Uj,个体j将由S状态转变为L状态; 否则,保持以前的状态不变。如果ΔCjSL(t)<;ΔCjSI(t),且ΔCjSI(t)-ΔCjSL(t)>;Uj,个体j将由S状态转变为I状态; 否则,保持以前的状态不变。5.4.3节点I视角

ΔCjIS(t)=1-(1-w1)Sj(t)(1-w2)Lj(t)(511)

ΔCjIR(t)=1-(1-w1)Rj(t)(512)

如果ΔCjIS(t)>;ΔCjIR(t),且ΔCjIS(t)-ΔCjIR(t)>;Uj,个体j将由I状态转变为S状态; 否则,保持以前的状态不变。如果ΔCjIS(t)<;ΔCjIR(t),且ΔCjIR(t)-ΔCjIS(t)>;Uj,个体j将由I状态转变为R状态; 否则,保持以前的状态不变。5.4.4节点R视角

ΔCjRI(t)=1-(1-w1)Ij(t)(1-w2)Sj(t)(1-w3)Lj(t)(513)

如果ΔCjRI(t)大于传播阈值Uj,个体j将由R状态转变为I状态; 否则,保持以前的状态不变。5.5实验设计、确认与结果本章采用定性确认方法,其确认步骤设计如下。(1) 描述一个高校示例。(2) 基于该示例,组合不同的压力管理(不同的扩散阈值)、网络拓扑结构、组织的初始压力分布,形成多个实验方案。(3) 运行每个方案,得到教师低、中、高等工作压力状态比例。(4) 将输入/输出与组织行为学进行比较,如果与常识相符,说明OSD模型是合理的,确认通过; 否则,确认不通过。基于智能体建模是基于个体特征和行为,并在模型中建立个体特征和行为的映射。个体被映射为智能体,个体的特征被映射为智能体的属性,个体的行为被映射为智能体的行为。计算机模型中的智能体就是社会网络的节点,代表真实社会网络中一个个的人。根据工作压力传播模型,智能体彼此相互作用传播压力。利用蒙特卡洛仿真方法对模型进行仿真; 在内部程序中它是一个相互作用的过程; 每次循环中,参数和状态都要进行初始化。仿真通过著名仿真软件AnyLogic 6和MATLAB 7.0实现。社会网络中的工作压力演化如图58所示。该图是在一个中等强度压力组织网络中初始压力状态分布图。相应地,S状态个体数(黄色节点)占总数的60%。

图58社会网络中工作压力演化

如表51所示,设计5个输入参数来运行仿真模型。相对应地,如表52所示,仿真系统运行结果可以由5个输出测量指标来观察工作压力传播的动力学。

表51仿真模型的输入参数

输 入 参 数值解释

Node Size1000节点规模,社会网络中节点总数Diffusion ThresholdT=0.1,0.2,…,0.9

Uj∈ U(T,1)扩散阈值T,用来限定传播阈值Uj,Uj服从(T,1)的均匀分布Network Type随机网络、小世界网络、无标度网络网络类型,真实世界中不同的网络结构

Influence Coefficientwi∈(0,1),i=1,2,3

and w1


I_NO∈(0,1),R_NO∈(0,1),

and L_NO S_NO I_NO R_NO=1初始压力分布,社会网络中的初始压力分布

表52仿真模型的输出测量指标

输出解释

Cascading Time层叠时间,压力扩散中层叠耗费的时间; 每层叠一次,耗费时间加1L(t)t时刻L状态教师占总数比例S(t)t时刻S状态教师占总数比例I(t)t时刻I状态教师占总数比例R(t)t时刻R状态教师占总数比例

5.5.1扩散阈值对工作压力扩散的影响如图59所示,随机网络中不同阈值的工作压力传播的情景。参数设定为: Size=1000,w1=0.05,w2=0.09,w3=0.12,time=100,L_NO=0.2,S_NO=0.6,I_NO=0.198,R_NO=0.002。

图59扩散阈值对工作压力传播的影响

图59(续)

该图显示压力控制是调整L、S、I状态个体数的合适策略,0.3~0.4存在一个阈值,减压后高压人数减少,中压人数增多,符合社会常识。结果说明OSD模型通过确认,并且组织的工作压力管理是重要和有效的。

5.5.2网络拓扑结构类型对工作压力扩散的影响图510和图511显示不同阈值下小世界网络、无标度网络中工作压力传播的情景。输入参数设定为: Size=1000,w1=0.05,w2=0.09,w3=0.12,time=100,L_NO=0.2,S_NO=0.6,I_NO=0.198,R_NO=0.002。

图510小世界网络对工作压力传播的影响

图510(续)

图511无标度网络对工作压力传播的影响

该方案显示小世界网络结构比无标度网络结构拥有更小的扩散阈值,小世界网络如爱校如“家”的高校文化下,比满足Power law的无标度网络的高校,对工作压力管理反应更敏捷,符合社会常识,说明该模型通过确认。同时,需关注组织压力结构的变化。

5.5.3组织的初始压力分布对工作压力扩散的影响图512显示随机网络中不同的初始压力分布下工作压力传播的情景。参数设定为: Size=1000,w1=0.05,w2=0.09,w3=0.12,时间=100,阈值=0.32。

图512低、中、高压组织对工作压力传播的影响

在低压组织,L_NO=0.6,S_NO=0.2,I_NO=0.198,R_NO=0.002。在中压组织,L_NO=0.198,S_NO=0.6,I_NO=0.2,R_NO=0.002。在高压组织,L_NO=0.198,S_NO=0.2,I_NO=0.6,R_NO=0.002。该结果显示低、中、高压组织在压力源和压力管理作用下,达到新的平衡,低压和中压组织比高压组织具有更强的稳定性,符合社会常识。该模型通过定性确认。

5.6本章小结对以上结果进行分析得出以下结论。(1) 的确存在压力管理阈值——主要的模型参数,扩散阈值T,该值受教师压力管理的影响,它的变化是全局的,会影响高校中的所有教师。工作压力管理的作用是提高所有教师的压力传播忍耐度,即提高扩散阈值T。当T小于某个值(如0.3)时,社会网络中大多数教师的压力状态将转换为I状态,即工作压力为高压状态。高校中所有教师的压力忍耐度较低,组织的压力管理水平也较低。这正是中国高校现状的真实写照,统计数据也说明了这一点,更为严重的是,中国高校的许多教师对压力管理知识一无所知,或者不予重视。当T大于某个值(如0.4)时,某社会网络中的大多数教师的压力状态将转换为S状态,即工作压力为中压状态,该状态是高校最适合的。随着T值的增大,S状态的个体数量会缓慢下降,并达到一个平衡值,显然减少的S状态个体变成了L状态个体,处于低压状态。仿真数据显示压力管理强度并不是越大越好,以略大于临界值为佳。(2) 需关注组织压力结构的变化,并采取合适的措施维持中等压力状态,以保持教师的身心健康,个体工作的积极性和组织的稳定性。小世界网络和随机网络的临界值相近,而无标度网络的临界值远大于前者。因此,高校组织结构最好是小世界网络结构,即大的聚类系数和小的平均距离。这个结构的典型示例是家庭和朋友圈,美国微软公司的压力管理策略中重要的一个是“家”的理念。(3) 组织中工作压力总会达到平衡,其确定性说明组织的自适应能力,特别低压组织比高压组织具有更强的鲁棒性。从理论上讲,应该建设低压校园,其实最佳目标是中压校园,不仅鲁棒性强,而且工作绩效高,当然要减少不必要的压力,如校园环境优美,组织文化和谐、自由,有家庭般的归属感。OSD模型也存在不足,工作压力的扩散是双向的,本模型简化为单向、加权的复杂网络,这与实际情况略有不同,对工作压力传播的进一步研究将在以后的书中进行总结。













动态网络分析与仿真研究 pdf下载声明

本pdf资料下载仅供个人学习和研究使用,不能用于商业用途,请在下载后24小时内删除。如果喜欢,请购买正版

pdf下载地址

版权归出版社和作者所有,下载链接已删除。如果喜欢,请购买正版!

链接地址:动态网络分析与仿真研究