ABMS的社会学应用研究

摘 要：随着信息技术的不断发展，自底向上的agent建模及仿真（ABMS）为解决诸多复杂系统问题提供了新的思路。本文主要研究了ABMS建模及仿真方法的作用机制及其在社会学研究中的具体应用，并利用NETLOGO软件对群体性暴力事件的形成进行了仿真实验，验证了ABMS在社会学研究中的理论价值及现实意义。

关键词：ABMS；社会学仿真；NETLOGO

中图分类号：TP311

ABMS是一种基于agent的仿真建模方法，其思想源自于分布式人工智能，并随着面向对象程序语言的出现而兴起。该方法可广泛应用于复杂科学、系统科学、计算机科学、管理学、电子商务、社会科学等多领域中，与人工智能中的机器人学及Alife人造生命都具有紧密的联系。但是ABMS不仅限于理解和设计人工生命，其应用主要是对人类社会和组织行为及个体决策进行建模，利用ABMS使行为、社会、合作等群体行为出现[1]。

1 ABMS社会学建模机制

ABMS通常由agent、环境及规则三部分组成。在社会学仿真中，这三部分可以构成一个完整的社会情境。通常将环境作为一个固定的社会建筑结构，比如某公園，广场，街区等等。而agent则是需要研究的特征对象，比如警察，学生等多种具有相似特性的人群，并赋予每个agent一定范围的异质性。规则是存在于模型中引导模型发生发展的特定算法。这样，在一个ABMS社会学建模中，通常呈现出以下结构：

1.1 agent

在社会学仿真中，agent通常代表某种具有一定共性的群体，但每个agent之间又具有异质性，它可以代表个人，也可以代表组织。agent具体参数可由建模人员进行设定，但通常来说它具有一些如下的显著特性：

自主性：可以在模型中独立运行，并与其他agent进行自主交互。这样agent的行为的产生就可以代表某些决策过程。

模块化、独立性：每个agent都是可辨认的离散个体，拥有一系列特征属性和决策能力。

异质性：在具有某些共同属性的同时又具有一定程度上的不同，使得模型更接近于现实。

此外，更加高级的agent往往还具有学习、记忆等多种多样的特性，这些特性存在的结果使得agent可以逐渐逼近社会学仿真中的一些基础单位：个人、组织等等。[1]

1.2 环境

社会学仿真往往发生在特定的环境中，为保证仿真结果更加逼近实际情况，构建ABMS中的环境可以使得模型运行的结果更加可靠。比如仿真疏散过程时，固定的通道、建筑物结构是必不可少的。此外，环境还可以有更加复杂的作用。在《GROWING ARITIFICIAL SOCIETIES》一书中，EPSTEIN利用二维元胞自动机的思想，为环境中的土地赋予了财富分布、农作物生长等多种特性，使得ABMS建模可以在更大范围内仿真人类族群的特殊现象，如种族隔离、文化迁徙、财富再分配等过程。[2]

1.3 规则

规则通常由建模人员根据建模需要进行自主设计。在社会学仿真中，零和博弈、运筹学等多种思维都可以通过计算机编程写入ABMS规则中，实现更加复杂的仿真。比如利用不同的合作机制设计规则，仿真在实际决策中，哪种合作机制可获取更优的效益。[3]

2 ABMS在社会学仿真中的应用

当前，ABMS在社会学仿真中的应用越来越广泛。90年代末EPSTEIN和AXTELL利用糖域模型进行了人工社会的仿真。糖域模型利用ABMS构建了一个自底向上的简单人工社会，展现了包括死亡、疾病、战争、繁殖以及财富积累等种种社会现象，这为后续ABMS的仿真研究绘制了广阔的蓝图[2]。近年来ABMS在社会学中大展身手。比如利用ABMS进行空中交通管制的研究、人类学如人类大规模迁徙和政治发展研究、犯罪分析、人群疏散等方方面面。在其他领域也产生了巨大的推动作用，比如在生物制药领域，ABMS可以仿真免疫系统的运作，在化学领域可以仿真粒子的运动，在管理领域可以进行决策分析。其巨大优势有待进一步挖掘。

3 ABMS仿真

利用ABMS仿真，可以对群体性暴力事件的产生进行一个动态的模拟。建模过程如下：构建一个Epstein城市骚乱的阈值模型仿真群体性暴力事件[4]。其中agent为具有平静/活跃两种状态的人，当收到情绪激化后会由平静个体转变为活跃个体，进入暴力行为发生模式。在相互影响中涌现出群体性暴力事件。在这一仿真中，可以发现，随着初始人口密度的升高，在模型运行中暴乱人口增加速度产生质的变化。

4 结束语

ABMS仿真伴随面向对象语言产生，随着计算机技术的发展而不断进化，使得更加复杂的现实问题有了解决的可能。本文介绍了ABMS仿真在社会学研究中的应用机制及范围，并利用NETlogo软件进行了群体性暴力事件的形成仿真。表明ABMS仿真不仅仅是一种社会学研究的有效方法，更是一种新思路，在社会学研究的过程中，为动态社会现象的产生提供更加直观的理论支持。

参考文献：

[1]Charles M.Macal， Michael J.North. Agent-based modeling and simulation[J].Proceedings of the 2007 winter simulation conference

[2]Joshua M. Epstein. Growing artificial societies： social science from bottom up[M].MIT Press，1996.

[3]Tongkui Yu， Li Zhang. An Agent-based Model of Social Norm and Cooperationp[J].Information Technology and Quantitative Management，ITQM 2013.

[4]Joshua M. Epstein.Modeling civil violence： An agent-based computational approach[J].2002，PNAS. 作者简介：高萌萌（1989.09-），女，河北石家庄人，硕士研究生，研究方向：安全防范工程。

作者单位：中国人民公安大学警务信息工程学院，北京 102623