你好，我是来自西北大学的Uri Wilensky 是NetLogo的创始人。 今天很高兴和你们在一起。 我很幸运和比尔·兰德一起工作， 我们写了一本教科书，基于智能体的建模与NetLogo。 我要介绍一下基于智能体的建模和NetLogo。 我将使用一个不寻常的例子来介绍。 回到1000 E.C.的时候 当罗马数字抵达欧洲时 当阿拉伯数字抵达欧洲时 直到这个到来，欧洲人使用罗马数字。 而当他们试图用罗马数字时， 罗马数字没有基于位置的符号， 所以数字可能变得非常非常大 并且使用罗马数字进行乘法和除法是非常困难的。 虽然科学家认识到有更好的办法 这些想法和做法花了很长时间。 这一领域中知识变化的现象 是我和同事西摩·帕普尔特称之为“重组”的东西。 “结构化”是将知识编纂为基础设施的功能 代表性和“重组”，从一个编纂变为另一个编纂。 而且是数字重组的强大结果之一 在这之前，很少有人计算乘法和除法。 不得不把他的问题给某人工作一段时间，并作出回应。 那么任何人都可以学习算术的基本算法。 科学进步很大，因为每个人都可以使用大量的数字和新的符号 之后介绍 我们问：“今天有什么重要的事情，困难是什么？” 我们有一个重要的困难就是在理解复杂的系统。 这对于这种类型的重组是一个很好的区域。 “复杂系统”是指由许多部分组成的系统， 在这些部分之间存在着互动， 没有任何控制中心，而模式就从互动中出现 系统与决策之间。 例子包括生态系统，经济系统， 免疫系统，股票市场。 各系统之间有互动的例子 其中创建了一个全球标准。 “新兴”现象是我们如何描述一种模式 的出现，来自不同智能体，分布式对象之间的交互。 由于两个不同的原因，紧急情况很难理解： 如果你知道元素的微观行为，你就知道它们是如何相互作用的。 然而，很难预测整体格局将如何。 如果你知道这个整体标准，很难找到微观的 互动规则。 其实你可能会认是科学项目的一部分： 我们观察世界的这些宏观规律，并尝试了解如何 元素相结合，可以让这些模式出现。 技术有助于我们创建新的表示， 印度阿拉伯语帮助人们解决复杂的数学问题 相似的，技术能帮你创建复杂系统，表示和理解它。 这是通过模拟系统来完成的。 我们创建智能体和规则， 并让它们产生交互。 基于智能体的建模是这样， 一个智能体是模拟一个个体的自主元素， 属性，动作和行为。 一个理解智能体的方式，是尝试剖析智能体， 给这些智能体一些规则，将产生有趣的现象。 基于智能体的建模广泛应用在自然科学，社会科学和工程学中。 二十年前，我创建了NetLogo，来做基于智能体的建模。 以两个原则为指导： 快速学习和可容易访问，人们容易学习建模。 我相信你能判断这是否成功了。 另一个是长期学习。 我们必须能够做尖端的科学。 我会给你三个例子， 第一个显示的是在森林里的火。 现在要建立的模型是森林中的火灾模型。 这些绿色的像素代表树木。 “密度”，设定为57％。 57％这意味着的空间被填满有树木约57％。 左边缘这个壁架是表示火。 这个模型是这样定义的，有非常简单的规则。 树的方向有北，东，南，西。 如果这些地方有火灾，树着火。 否则就没有发生。 这都是模型的规则，除此之外有一些颜色规则。 当我按“go”，模拟开始。 正如你所看到的那样，火势蔓延一点点， 现在它已经停止燃烧了。 正如你所看到的那样，火没有燃烧到大部分的森林。 我们可再次测试一下密度。 每次测试都会有所不同，因为树木处于不同的位置。 在这两种情况下，57％的没有燃烧大部分森林。 现在我们将密度提高到了64％， 我们有更剧烈影响到森林。 这是令人惊讶的，因为我们习惯于认为一个小的 密度增加或多一点的“x”会导致更多的“y” 更多的密度会一点点超过燃烧。这个不是戏剧性的变化。 但在复杂的系统中，这是一种很常见的现象。 这个概念是阈值或关键点，也称为过渡点， 密度小的增加会引起一场剧烈的火灾。 下面我将展示的例子是叫掠食性狼和羊。 狼和羊在生态系统中互相影响。 这个模型的规则还有一点复杂： 每个智能体都有能量值和移动成本。 狼和羊随意移动。如果狼遇到羊，狼就吃羊。 如果狼的能量变为负数，就会死亡。 如果狼吃一只羊，就获得能量。 让我们看看当我们模拟时会发生什么。 我们可以在左边的图表中看到。在一开始就有某种循环。 但所有的狼都因为没有足够的羊而死亡。 剩下几只羊，还不够。 由于羊的工作方式，无限制，将填充整个模拟。 如果我们再次模拟，可能不会以相同的方式发生。 狼只有羊可吃。 但是狼没有什么可吃的时候，它们将死亡。 这是两个吸引状态的流行模型。 在这种特殊情况下，羊似乎再次获胜。 这个想法是给每个人规则，并在总人口中看到结果。 我的最后一个例子是科学社会， Thomas Schelling(托马斯·谢林)1960年创作的一本书， “微电影与宏观行为”，他观察相互影响。 个人导致人口规模。 在这种情况下，他对居民隔离现象感兴趣。 有两种类型的智能体，红色和绿色，谁愿意一起生活， 容忍的数量， 感觉到的另一种颜色的邻居的不满和感动。 谢林有兴趣发现在这种情况下会发生什么。 “％-similar-wanted”栏是30％。这意味着智能体。 拥有70％另一种颜色的邻居。如果更多，他们会移动。 通过模拟，我们看到了非常隔离的社区， 当谢林模拟时，他使用棋盘和硬币， 它花费了很多个月，获得这些结果。 今天我们可以看到模型。 基于智能体的模型很快得到 隔离类型 在科学中使用基于智能体的模型是有争议的， 有人可能会说：“人不是蚂蚁，他们不遵循简单的规则”， 但在这种情况下，偏见可能是隔离的一个重要因素。 谢林的观点是，如果我们的目的是终止社区隔离， 那么作为一种解决办法就不够有偏见。 因为虽然同样类型的邻居仍然偏爱少量， 那么社区隔离将会发生。 这些是NetLogo中的示例，用于表示和模拟复杂现象。 一些复杂的方程来控制这些东西的建模。 这是流体流动方程和热量等式， 它们是偏微分方程。 而在NetLogo中，这些被表示简单的规则和简单的代码。 对于捕食者 - 猎物，我们也有微分方程可以 由一个简单的代码表示。 总之，建模的观点。智能体是这些自然的模型， 通常是宏观调控的结果，也许是结果 相互影响，每个智能体都有自己的 行动规则和互动。 对于许多现象，我们可以进行模拟， 元素遵守简单的规则。 非常感谢，请享受比尔的课程。