房地产仿真模拟的系统动力学与多智能体建模的比较研究

任思蓉 孙绍荣

摘要：重点介绍了房地产仿真研究的两种主要方法：系统动力学和基于多智能体建模，分析总结了两种方法各自的原理、建模特征和应用领域，对比分析了两种方法的相同点和不同点，对两种方法的发展趋势和前景进行了展望，提出未来可采用两种仿真方法相结合的方式来研究房地产经济系统。

关键词： 房地产；系统动力学；多智能体建模；仿真

一、引言

对于房地产市场的研究一直是国内外学者关注的热点。目前，有关房地产市场的研究重点主要包括：房地产市场价格研究、供求关系研究、房地产市场周期研究、房地产市场与宏微观经济的联系以及从复杂系统角度建模分析房地产经济系统运行。对房地产市场的研究方式主要经历了从最初的语言描述，到常见的数学模型或逻辑模型分析，以及从统计学角度进行的相关性检验研究，再到近年来从复杂系统角度基于系统动力学等方法展开的仿真研究。

近年来，从复杂系统角度分析房地产经济系统的构成，通过复杂系统建模的方法来模拟房地产经济系统的演化过程，成为房地产市场研究又一主流方法。房地产系统因其所含因素众多，因素间关系错综复杂，通过对其内部构成进行分析，理清多个要素间相互作用及反馈关系，建立计算机系统动力学模型或多智能体模型来模拟其真实的运行，不仅能从宏观上观察到系统整体特征的变化，更能从微观角度来解释导致系统整体特征变化的原因，从而为房地产市场各类复杂现象的产生做出合理的解释。

系统动力学和基于多智能体建模都是复杂系统仿真研究的重要方法，是随着复杂性科学及系统科学的深入研究所发展起来的。因各自都能动态的模拟复杂系统的演变过程而被广泛应用到各类复杂系统的研究中。本文对两种方法的建模原理进行了介绍并重点比较了各自的特点和应用领域，对其发展趋势和前景进行了展望。

二、房地产仿真研究两种主要方法

（一）系统动力学

系统动力学（System Dynamic，简称SD）由美国麻省理工学院福瑞斯特（Jay W，Forrcester）教授于1956年首创，是系统学科的一个重要分支。SD是一种运用结构、功能、历史相结合的方法，借助于计算机仿真，定量地研究非线性（Non-linearity）、多重反馈（Information feedback）、复杂时变（Dynamic complexity）系统的系统分析技术。其理论与应用研究涉及多个学科和多种领域，适合于结合微观和宏观对复杂性、多层次、多部门、非线性的大规模系统进行综合研究。

1、系统动力学原理介绍

系统动力学侧重于研究系统的反馈过程，通过反馈回路来描述系统的结构。其建模有三个重要组成部分：因果反馈图、“流”图和方程式。因果反馈图描述各子系统之间的因果关系，是系统动力学的重要工具，包括正反馈和负反馈；“流”图反应系统中累积效应的变化；系统动力学模型的结构主要由微分方程式所组成，每一个连接状态变量和速率的方程式即是一个微分方程式。系统动力学中以有限差分方程式来表示变量关系，再依时间步骤对各方程式求解，呈现出系统在各时间点的状态变化。

2、系统动力学建模特征

系统动力学以反馈控制理论为基础，通过计算机模拟，研究一定时间范围内系统各状态特征的变化，适用于处理长期性和周期性的问题，其突出的特点是能够进行长期动态研究，能反映出复杂系统的内部结构、功能和动态行为之间的相互作用关系。总结系统动力学方法的特征有：（1）强调系统的整体性，系统的整体行为不能由其各组成部分的行为来获得；（2）研究对象是具有高阶性、多回路、非线性的信息反馈系统；（3）采用反馈回路来描述系统结构，某些重要回路及其相互间的作用决定了系统的动态行为；（4）研究复杂系统多采用定性与定量相结合的方法；（5）适合于处理周期性和长期性问题，适合长期的动态研究；（6）对于数据的完备性要求不是太高，在缺少数据的情况下，仍然可以借助反馈关系进行研究；（7）借助于计算机技术，模型计算速度快，便于对模型的修改和完善。 3.系统动力学应用

系统动力学发展至今，其理论与应用研究遍及各类系统，几乎涉及人类社会与自然的各类领域。张力菠等（2008）从系统动力学已有研究文献入手，总结了系统动力学在各领域的应用情况，重点领域包括：环境资源类、经济发展及城市规划、能源类、物流及供应链等。

鉴于房地产系统自身的复杂多变性，SD在处理复杂非线性系统具备独特优势，最早是从上个世纪90年代后期开始有关房地产市场系统动力学模型仿真研究。系统动力学在房地产市场研究中的应用多用于研究城市系统建设、城市住宅系统研究、房地产市场周期研究、房地产预警机制研究以及政策实验及预测研究等。

（二）基于多智能体建模

基于多智能体建模也是一种重要的复杂系统模拟方法，可以通过模拟系统内部微观个体行为来形成系统宏观特征的“涌现”，能体现复杂系统的“局部规则导致宏观变化”的特点。

1.基于多智能体建模原理

基于多智能体建模（Multi Agent Based Modeling，MABM）是复杂适应系统（Complex Adaptive System， CAS）理论框架下应用较为广泛的行为模拟方法，也是目前CAS理论研究的主要方法。约翰·霍兰于1994年提出了复杂适应性系统理论（Complex Adaptive System，简称CAS），“系统是由具有适应性的个体所组成”，开启了人们从主体角度、主体与环境的互动作用角度来认识系统的复杂性，为人们研究复杂系统提供了一种重要的思路与方法，该理论同时成为目前经济系统仿真研究的重要理论基础。

基于智能体建模的方法主要通过利用Agent的局部连接规则、函数和局部细节模型，建立复杂适应系统的整体演化模型，通过借助计算机仿真，模拟小规模行为到大规模突变的复杂适应系统涌现的行为。核心是通过在局部细节模型与全局表现（宏观总量的变化、涌现现象）间的循环反馈和校正，来研究局部行为如何涌现出宏观的全局变化，

是一种自下而上的建模。

多Agent建模仿真的关键是通过对复杂系统的反复观察和研究，将复杂系统的组成部分分解成一个个具有智能性的Agent，再通过个体Agent之间以及Agent与环境之间反复交互作用来推动整个复杂系统运行和演化，Agent个体模型是否设置合理就关系到模拟目标系统的建立并最终影响系统涌现结果。

在使用多Agent建模时，基本要考虑清楚的问题如下：

（1）系统由哪几类Agent所构成；

（2）个体Agent自身结构是怎样的；

（3）Agent与Agent之间通过怎样的方式通信；

（4）Agent与Agent之间采用什么样的通信协议；

（5）Agent与Agent之间协作性的实现。

2、基于多智能体建模的应用

基于多智能体建模在经济、管理、社会]、生态及军事等多个领域中都应用广泛，如：近年来，基于多智能体建模与CA模型相结合在行为模拟方面取得较深入的应用。如：LeBaron（2002）建立了人工股票市场，将基于智能体的建模运用到了股票市场投资者行为的研究，使经济仿真方法的应用逐渐从宏观系统演化层面深入到微观经济主体行为研究层面。韩立岩等（2007）将复杂适应性系统引入行为金融的研究，并构造了一个基于多主体羊群行为仿真模型，通过仿真和模拟测算了虚拟股票市场中的羊群效应，为进一步研究股票市场投资者的羊群效用奠定了仿真模型基础。

在房地产市场的研究中，基于多智能体建模的主要思路是将房地产经济系统的各组成部分或参与者看成一个个“活的”、具有自主性的个体（Agent），通过分析各类Agent的行为，建立相应的Agent模型，分析设定各类Agent之间以及Agent与环境之间的相互作用机制，通过计算机模拟观察由微观Agent相互作用所“涌现”出的房地产经济系统整体的特性，来以此解释某个经济现象的出现，或通过参数实验，来观察总结出某种经济规律。

三、SD与多Agent建模特点比较

系统动力学方法和基于Agent 建模的方法都适合于研究复杂系统，只是这两种方法的建模过程、方法理论等方面各有所长，对比两种方法的特征总结如下：

两方法的相同点包括：

（1）理论观相同：都强调从“系统观”的角度来开展研究；

（2）开放性与动态性相似：SD与基于多Agent建模都具有良好的开放性与动态性，使得它们可以灵活地应用于不同的领域，可以灵活的与其他技术相结合；

（3）可操作性强：都具有很好的可操作性，基于计算机平台上进行仿真模拟，运算速度快，便于对模型的修改和完善。

两种方法的不同点包括： （1） 研究对象上：SD的主要研究问题是复杂系统的反馈过程，其建模的过程就是系统的反馈机制在计算机中形式化的过程。基于Agent建模主要研究推动系统演化的系统中微观个体间的相互作用机制。

（2） 研究方法上：SD通过对宏观系统进行抽象，设置流变量及其他状态变量，分析因果反馈关系，最终建立仿真系统的因果反馈图，并在此基础上进行仿真研究；多Agent建模通过对宏观系统中个体及个体行为的抽离，通过建立个体行为规则和演化机制来实现对现实系统的演绎。

（3）变量演算上：SD模型主要由微分方程式构成，通常用微积分来表示系统的时滞性；基于多Agent建模允许随机性的存在，Agent间演化规则多基于逻辑关系、演化算法以及概率论。

（4）建模过程上：SD建模是一种自上而下的建模，从整体入手，分析系统的因果反馈关系，建立系统模型；基于多Agent建模是一种自下而上的建模，以系统中个体Agent为基准点，先分析建立Agent的个体模型，基于个体模型建立整体模型。

四、小结

系统动力学与多智能体建模在房地产系统仿真研究中各有侧重，系统动力学擅长研究系统的反馈行为，多智能体建模则更适合从自治主体性的角度来展开研究。随着现今人类社会各系统复杂性、突变性、关联性的日益复杂，将两种方法结合是未来研究复杂系统的一大趋势。目前已有关于两种方法相结合的研究，如：Karsten等人（2009）进行了基于SD和Agent模拟的汽车行业产品战略决策支持模型的仿真模拟；毕贵红在其博士论文中建立了基于SD的固体废物管理系统的Agent仿真模型，但在房地产仿真领域还没有相关综合的研究。未来将系统动力学与基于多智能体建模相结合，建立综合SD和多Agent建模优点的SD-Agent复杂系统仿真模型将会得到更广泛的研究和应用。

参考文献：

[1]许春青， 田益祥， 马永开. 房地产周期波动的系统动力学模型[J]. 电子科技大学学报（社科版）， 2011， 13（4）： 32-37.

[2]赵黎明， 李波， 刘煜. 房地产企业预警系统指标的系统动力学分析[J]. 天津大学学报（社科版）， 2004， 6（2）： 142-145.

[3]李妍. 房地产政策仿真研究与实践[J]. 深圳大学学报（人文社科版）， 2011， 28（4）： 25-29.

[4]邱荣旭， 李山， 吴静. 基于Agent建模在旅游模拟研究中的回顾与展望[J]. 地理与地理信息科学， 2009， 25（5）： 102-107.

[5]任韬， 王文举. 保险市场结构经济动态模拟分析[J]. 经济与管理研究， 2008（5）： 28-33.

[6]Small C T. An enterprise knowledge-sharing model-a complex adaptive systems perspective on improvement in knowledge sharing[D]. America： George Mason University， 2005.

[7]D.Ashloek. Evolutionary Computation for Modeling and Optimization[J]. Springer， 2006， 2（5）： 36-51.

[8]Everett M.Rogers， Una E.Medina. Complex Adaptive Systems and the Diffusion of Innovations[J]. The Public Sector Innovation Journal， 2009， 10（3）： 29-37.

[9]凤磊， 张顺健. 基于Agent的综合电子战系统建模与仿真方法研究[J]. 军事运筹与系统工程， 2007， 21（1）： 22-26.

[10]Blake LeBaron. Building the Santa Fe Artificial Stock Market. Brandeis University， 2002

[11]韩立岩， 夏坤. 羊群行为的多主体仿真模型[J]. 北京航空航天大学学报（社科版）， 2007， 20（3）： 10-14.

[12]Karsten Kieckhafer， Joachim Axmann， Thomas Spengler. Intergating agent-based simulation and system dynamics to support product strategy decisions in the automotive industry[C]. Proceedins of the 2009 Winter Simulation Conference， 2009， 1433-1443.

[13]毕贵红. 固体废物综合管理系统演化与调控模型研[D]. 昆明理工大学， 2008.

基金项目：上海市哲学社会科学规划课题（2011BGL006）；上海市重点学科项目（S30504）