Прошлое на службе будущего (к вопросу о возможности прогнозирования на основе исторического опыта)
| Вид материала | Документы |
| «Искусственная жизнь» и моделирование процессов социальной эволюции доиндустриальных обществ Прогноз скачков числа тяжких преступлений |
- 1. Теоретико-методологические основы методов социально-экономического прогнозирования, 466.83kb.
- Уравнение прогнозирования, 333.24kb.
- Понятие продвижения военнослужащих по службе, 282.64kb.
- Информационная справка по итогам районного исторического конкурса «История выборов, 41.13kb.
- «История», 439kb.
- Программа минимума вступительного экзамена бакалавров истории в магистратуру по специальности, 487.07kb.
- Два опыта интерпретации, 296.03kb.
- Комплекс общественных и гуманитарных наук, изучающих прошлое человечества во всей его, 1302.62kb.
- Преподавание в вузе прогнозирование профессионально-методической подготовки будущего, 740.69kb.
- Система налогового прогнозирования и планирования на основе интеграции учетных и аналитических, 684.27kb.
«Искусственная жизнь» и моделирование процессов социальной эволюции доиндустриальных обществ
Сергеев А.В.
Предлагаемая модель экономико-демографических процессов в доиндустриальном обществе выполнена в рамках активно развивающегося направления «искусственная жизнь», ориентированного на создание моделей и вычислительных систем на основе биологических и эволюционных принципов. Данная модель сочетает в себе аппарат клеточных автоматов, нейросетевые и генетические алгоритмы.
Предложенная система описывает процессы эволюционного развития множества (популяции) искусственных «организмов» – агентов. Новые состояния ячейки и агента определяются их текущими состояниями, состоянием соседних ячеек, состоянием агентов в соседних ячейках, а также реализованным действием агента (пересечение результата функции поведения Bi с подмножеством разрешенных действий агента Da) и агентов в соседних ячейках. Реализуемое действие агента определяется текущей информацией об агенте, ячейке, о соседних ячейках и агентах, а также информацией о действии агента и его соседей в предшествующий момент времени.
В множестве возможных действий агента присутствуют действия «двигаться» и «размножаться». В первом случае агент перемещается в выбранную соседнюю ячейку. Во втором – создается новый агент, помещаемый в одну из свободных соседних ячеек. Если в некий последующий момент времени внутреннее состояние агента не удовлетворяет определенному условию, агент считается «погибшим» и удаляется из популяции.
Предусмотрен механизм наследования свойств агентов при размножении: функция поведения потомка является построенной по определенным правилам комбинацией функций поведения родителей с возможными случайными искажениями. Таким образом, обеспечивается эволюционная изменчивость популяции агентов.
В рассматриваемой модели популяция агентов, расположенных в ячейках поля, интерпретируется как сообщество людей, ведущих хозяйственную деятельность. При этом вектор SCj внутреннего состояния ячеек трактуется как состояние окружающей среды, т.е. как информация о характере ландшафта, о наличии определенных природных ресурсов и динамике их изменения и т.п. Вектор SAi внутреннего состояния агента трактуется как информация о наличии у агента определенных ресурсов, либо социальных и хозяйственных благ (в частности – пищи). Реализованы возможности перемещения ресурсов между агентами и агрессивного захвата ресурса другого агента. Также агенту доступны два режима добычи ресурсов из окружающей среды, интерпретируемые как охота/собирательство и земледелие.
Указанные свойства модели позволяют с ее помощью качественно воспроизводить некоторые аспекты социальной эволюции, характерные для ранних сообществ. В частности: демографические циклы (см. рис.1), формирование обособленных групп охотников-собирателей; возникновение первичной социальной и имущественной дифференциации; переход к другому типу природопользования, сопровождаемый перестройкой социальной структуры и демографическими изменениями (см. рис.2), а также элементы коллективного поведения.
 Рис 1. Динамика численности агентов: демографические циклы |  Рис 2. Динамика численности агентов: фазовый переход |
Прогноз скачков числа тяжких преступлений
Серебряков Д. В., Кузнецов И. В., Родкин М. В., Урядов О. Б.
Институт прикладной математики им. М.В. Келдыша РАН
- диаграмма результатов прогноза:
Слева – сравнение работы алгоритмы для первого () и второго (х) значения одного из своих параметров для одного региона-источника данных (г. Тамбов);
Справа – сравнение работы алгоритма для данных по Тамбову () и Ярославлю (х).
Разработанный алгоритм прогноза основан на предположении о том, что количество преступлений – это наблюдаемая величина некой сложной иерархической системы, охватывающей общество в целом. Основой метода является величина наклона прямой b, аппроксимирующей график повторяемости – распределения числа преступлений N по тяжести преступления P, представленное в двойном логарифмическом масштабе: lg N = a – b lg P.
Мы ожидаем, что перед объектом прогноза – резким увеличением числа наиболее тяжких преступлений – наклон графика повторяемости увеличится.
Работа алгоритма прогноза заключается в вычислении значения наклона графика повторяемости и отслеживания его увеличения. Если последнее происходит, то объявляется тревога – период ожидания объекта прогноза.
Качество алгоритма считается тем лучше, чем меньше сумма следующих величин: отношение числа пропущенных объектов к общему числу объектов () и отношение длительности тревог к общему времени наблюдения (), которые графически представляются на - диаграмме. Предлагаемый алгоритм оказался весьма эффективным [1].
Литература:
1. Серебряков Д.В., Кузнецов И.В., Родкин М.В., Урядов О.Б. Прогноз скачков тяжких преступлений на основе иерархичности режима преступности. – М.: ИПМ им. М. В. Келдыша РАН, 2005. Препринт №12.