مدل سازی و تجزیه و تحلیل شبیه سازی فرایند ایجاد و آزمایش با یک مدل ریاضی رایانه ای (چانگ ، 2004) تقلید از رفتار یک فرآیند یا سیستم در دنیای واقعی در طول زمان است (بانک ها ، 1998). شبیه سازی برای توصیف و تجزیه و تحلیل رفتار یک سیستم هنگام پرسیدن سؤالات "چه- اگر" در مورد سیستم واقعی و کمک به طراحی سیستم های واقعی استفاده می شود. اهداف اصلی عبارتند از: (پدگن و همکاران ، 1995)

• به دست آوردن بینش در مورد عملکرد یک سیستم • تدوین خط مشی های عملیاتی یا منابع برای بهبود عملکرد سیستم • آزمایش مفاهیم و/یا سیستم های جدید قبل از اجرای • به دست آوردن اطلاعات بدون ایجاد مزاحمت در سیستم واقعی

مدل سازی شبیه سازی یک تکنیک همه کاره برای مطالعه برخی از مشکلات پیچیده ، برای مقابله با مشکلات دست نخورده و اغلب ظاهراً غیرقابل کنترل است. شبیه سازی اغلب ابزاری آشکار است که باید محاکمه شود.

مدل سازی شبیه سازی به طور خاص برای سیاست گذاران و مدیریت استراتژیک مفید است و بینش در مورد تحولات کلی آینده را کسب می کند. افراد درگیر تصمیم گیرندگان هستند ، محققان با آگاهی از وضعیت مدل سازی شده و توسعه دهندگان نرم افزار.

رویکرد

انواع مختلفی از تکنیک های مدل سازی و شبیه سازی وجود دارد و جزئیات آنها در اینجا امکان پذیر نیست. آنچه در زیر می آید لیستی از مراحل کلی است که همه مدل ها به آن اعتماد می کنند.

1. دامنه و تنظیم مدل: ابتدا مطالعه تعریف شده است ، اهداف موجودی هستند و مدل از جمله فرضیات کلی در مورد عوامل مرتبط ، متغیرها یا ثابت و نحوه ارتباط آنها تنظیم می شود.

2. جمع آوری داده ها: مدل سازی شبیه سازی در دسترس بودن ، کاربرد و قابلیت اطمینان داده ها قرار دارد: زباله در ، زباله خارج (GIGO) اعمال می شود.

3. تست مدل: داده های مربوطه وارد مدل می شوند و محاسبه می شوند. نتایج با واقعیت مقایسه می شود ، به گونه ای که مدل تأیید می شود. احتمالاً ، برخی از عوامل به گونه ای کالیبره شده اند که نتایج واقع بینانه تر است.

4- تجزیه و تحلیل: سرانجام ، از مدل می توان برای تغییر برخی از عوامل استفاده کرد ، چه-چه می شود اگر به عنوان مثال بر اساس برون یابی ، تغییرات پیش بینی شده را پیش بینی کنید.

منابع و خروجی ها

منابع از جمله به تعریف سیستم، مدل و در دسترس بودن داده ها، سطح جزئیات، سطح عدم قطعیت، پیچیدگی سیستم و سوالات تحقیق بستگی دارند. مدل سازی شبیه سازی به مهارت های دانش خاصی برای ساخت و تحلیل مدل نیاز دارد. خروجی های معمولی گزارش هایی با توضیحات و تفسیرهایی از وضعیت عملی، مدل و خروجی های آن هستند.

مزایا و معایب

مزایای اصلی مدل سازی شبیه سازی عبارتند از (چانگ، 2004):

• آزمایش در زمان محدود • کاهش نیازهای تحلیلی • مدل هایی که به راحتی نشان داده می شوند

محدودیت های اصلی عبارتند از (چانگ، 2004):

• هنگامی که داده های ورودی نادرست هستند، شبیه سازی نمی تواند نتایج دقیقی به دست دهد • شبیه سازی نمی تواند پاسخ های آسانی برای پاسخ های پیچیده ارائه دهد • شبیه سازی نمی تواند به خودی خود مسائل را حل کند.

متغیرها و داده‌های انتخاب شده برای مدل هنوز ذهنی هستند، اگرچه محاسبات عینی بودن را نشان می‌دهند. و "اغلب توضیح اینکه مدل چه کاری انجام می دهد و چگونه محاسبه می شود، غیر شفاف و دشوار است."(کرستین کولز، 2005)

مدل سازی عامل

ABM یک روش محاسباتی برای ایجاد، تجزیه و تحلیل و شبیه سازی مدل ها از جمله عوامل فردی است که در یک محیط تعامل دارند. عوامل در ABM را می توان به سادگی به عنوان نهادهای تصمیم گیری مستقل (فردی و جمعی) تعریف کرد. ABM عناصر نظریه بازی، سیستم های پیچیده، ظهور، جامعه شناسی محاسباتی، سیستم های چند عاملی و برنامه ریزی تکاملی را ترکیب می کند. برای معرفی تصادفی بودن از روش های مونت کارلو استفاده می شود. مدل‌ها عملیات و تعاملات همزمان چندین عامل را شبیه‌سازی می‌کنند تا ظاهر پدیده‌های پیچیده را دوباره ایجاد و پیش‌بینی کنند. عامل‌های فردی معمولاً به‌عنوان معقولات محدود شناخته می‌شوند و فرض می‌شود که بر اساس آنچه به عنوان منافع خود درک می‌کنند، مانند تولید مثل، منافع اقتصادی یا موقعیت اجتماعی، با استفاده از روش‌های اکتشافی یا قوانین تصمیم‌گیری ساده، عمل می‌کنند. عوامل ABM ممکن است "یادگیری"، سازگاری و تولید مثل را تجربه کنند.

مزیت ABM نسبت به سایر روش‌های مدل‌سازی این است که توسط مفروضات تعادلی محدود نمی‌شود. می‌تواند شامل عواملی با ترجیحات و رفتارهای بازار متفاوت باشد و میزان بیشتری از غیرقابل پیش‌بینی بودن را که از تعامل اجتماعی پیچیده سرچشمه می‌گیرد، نشان دهد.

کاربرد آنها در زمینه مطالعات آینده تاکنون محدود است ، اما با توجه به انعطاف پذیری ابزار ، علاقه مند به این زمینه به طرز چشمگیری افزایش می یابد. در واقع ، از مدل های مبتنی بر عامل از اواسط دهه 1990 برای حل انواع مشکلات تجاری و فناوری استفاده شده است. نمونه هایی از برنامه ها شامل بهینه سازی زنجیره تأمین و تدارکات ، مدل سازی رفتار مصرف کننده ، از جمله اثرات شبکه های اجتماعی ، محاسبات توزیع شده و مدیریت نیروی کار است.

از ابزارهای مدل سازی مبتنی بر عامل می توان برای آزمایش چگونگی تأثیر تغییرات در رفتارهای فردی بر رفتار کلی در حال ظهور سیستم استفاده کرد. مدلهای دیگر گسترش اپیدمی ، برنامه های بیولوژیکی از جمله پویایی جمعیت ، رشد و کاهش تمدنهای باستان ، تکامل رفتار قومی ، جابجایی اجباری/مهاجرت ، پویایی انتخاب زبان را مورد تجزیه و تحلیل قرار داده اند.< Pan> کاربرد آنها در زمینه مطالعات آینده تاکنون محدود است ، اما با توجه به انعطاف پذیری ابزار ، علاقه مند به این زمینه به طرز چشمگیری افزایش می یابد. در واقع ، از مدل های مبتنی بر عامل از اواسط دهه 1990 برای حل انواع مشکلات تجاری و فناوری استفاده شده است. نمونه هایی از برنامه ها شامل بهینه سازی زنجیره تأمین و تدارکات ، مدل سازی رفتار مصرف کننده ، از جمله اثرات شبکه های اجتماعی ، محاسبات توزیع شده و مدیریت نیروی کار است.