基于agent建模與仿真的管理決策模擬研究

摘要：基于agent的建模與仿真（ABMS）是一種適合解決復雜性、具有魯棒性新的管理決策方法，它建立在系統大于組成部分匯總之和的概念上，由底到頂捕捉系統的行為，發現從微觀個體非線性交互作用的適應性行為到系統宏觀現象的涌現，面向未來預測系統的變化趨勢，通過控制、調節agent的行為進行科學決策。文章深入分析了ABMS的作用、實質，以及建模的方法與流程。

關鍵詞：涌現；魯棒性；仿真

一、 基于agent建模與仿真的作用與意義

隨著數據庫等技術的飛速發展，以及面向對象編程思想日益完善，我們對數據及信息有了新的理解，可以進一步挖掘出對決策有用的信息，在企業管理領域進行基于agent的建模與仿真已成為可能，并向企業管理者和研究人員展現了激動人心并可實際操作的決策模式。當今的企業管理日益復雜，經常涌現（Emerging）出反直觀性的現象，以往優化的管理決策缺乏魯棒性（Robustness），傳統的預算、決策、控制等管理工具已捉襟見肘。基于agent的建模與仿真，即ABMS（Agent-based modeling and simulation），是一種面向未來的、適合解決復雜性、具有魯棒性新的決策技術。針對企業的復雜決策問題，在計算機上進行建模和仿真，提前預測其變化的結果和趨勢，以此進行科學決策。既解決了企業管理無法實驗的現實，又大大降低了企業決策失誤的成本。

2001年九月計算機芯片制造商Xilinx Inc公司的季度盈利預測與實際差了四倍，公司知道某個地方出現了嚴重的失誤，但無論公司怎樣努力也無法使他的預算滿足客戶的需求，制定計劃和預算的首席財務官Kris Chellam說，就像飛機在夜間飛行卻沒有導航一樣（Banham，2002）。

組織、市場、經濟變得越來越復雜，以往的管理工具很難適應新的變化，難以解決如此復雜的問題。經濟理論中理性人、完全競爭、壟斷等假設過于簡單，無法解釋現實經濟現象，個別經濟學家只能求助于英雄式的假設。如今基于agent的建模與仿真（ABMS）可以突破這些限制，可以放寬假設，更加真實的模擬現實情況。除此之外，在數據庫中存儲的海量數據可以采用ABMS的方式進行挖掘并用于決策，英雄式的假設不再適用也受益于數據庫等信息技術的飛速發展。許多企業和政府的領導發現他們的計劃與管理工具缺乏魯棒性（Robustness），很難對即將到來的嚴重事件進行預警（Banham，2002）。由于計劃等管理工具的缺陷，管理者越來越難以將他們的經驗轉化為企業的戰略解決方案。假設在傍夜你來到美國經典的小鎮，這個小鎮位于平原，這時洪水即將來臨，你可以選擇教堂的尖頂，因為這里最高。但是站在陡峭的尖頂上，暴雨和狂風很容易讓你落水。一個替代的選擇是站在教堂房屋的屋頂上，這里雖沒有教堂的尖頂高，但卻高于小鎮其他的房屋并足夠平坦和寬敞，并讓你躲避洪水。以往的決策工具尋求最優化的結果必然是教堂的尖頂，但是微小的擾動就使企業陷入被動。教堂房屋的屋頂更具魯棒性，這是企業管理人員真正需要的解決方案（North，M.J. C.M.，Macal，2007）。如今基于agent的建模與仿真（ABMS）就為管理者提供了這樣有用的工具。我們可以將ABMS作為制定決策的實驗室，測試未來行為可能的結果，探索系統未來結果的范圍。基于agent的建模與仿真（ABMS）不僅可以分析在特定商業情況下發生什么，還可以研究可能發生什么。在現實世界中根據“試錯”發現意外的問題將付出很大代價，相反ABMS可以在計算機上低成本快速的發現可能發生的情況和意外。企業的決策者在決策時要綜合考慮涉及的全部因素，當變量超過七個時，復雜的非線性交互作用就超出了決策者腦力的極限，憑直覺和經驗做出的決策往往會給企業造成巨大的損失。或者產生“反直觀性”的結果，即近期對企業有利，長期的損失卻更大；表面上是好的，實質卻是不利的。企業的決策者如何做出科學決策成為企業成敗的關鍵，這時就需要切實可行有用的工具來輔助決策，基于agent在計算機上建模與仿真就為企業管理者展示了強大的功能和美好的應用前景。

二、 基于agent的建模與仿真實質

基于agent的建模與仿真（ABMS）是由底到頂（Bottom-up）的捕捉系統的行為，從微觀個體的適應性行為及交互作用到系統宏觀現象的涌現。如足球場每排觀眾依次簡單的站起和坐下，就形成了整個足球場激動人心的人浪。ABMS還建立在系統、組織整體大于單個組成部分匯總之和的概念上。決策者采用ABMS這個有用的工具，系統或組織就可以被理解為相互作用的agents的集合。在復雜性科學和系統論的基礎上構建agent模型并進行仿真，其目的是復制系統的行為，面向未來預測可能發生的商業結果，以此用于短期的經營決策和長期的戰略決策。

基于agent的建模與仿真（ABMS）來源于復雜自適應系統（CAS－complex adaptive systems），復雜自適應系統是用來研究生物系統的適應性和涌現行為，是由相互作用的個體組成，系統會產生適應性機制，適應不斷變化的外部環境。此外ABMS還吸收了系統科學、復雜性科學、計算機科學、管理科學、社會科學、傳統模擬仿真的技術和知識。ABMS日益成熟已經從實驗室走向了董事會，一些公司已經實際采用ABMS來解決企業存在的問題。基于agent的建模與仿真（ABMS）是一種綜合的分析框架，采用綜合集成的方法分析研究企業的商業過程。神經網絡、遺傳算法、線性規劃、Swarm優化、系統分析等方法在ABMS中發揮了非常重要作用。在理性人假設的簡單情況下、信息比較完備時可以優化agents的行為。如今人們認識到了有限理性（Bounded Rationality）的重要性（Simon，1982），由于有限的知識，認知的局限，收集資料的難度，決策的能力等因素，在有限理性情形下，往往達到滿意的方案即可，無法達到局部進而全局最優，這樣規劃出魯棒性更好的、令人滿意的方案是管理者決策時真正需要的。進行有限理性的研究屬于行為經濟學，除了可以采用實驗經濟學的研究方法，更適合采用基于agent建模與仿真的方式，即研究有限理性的agents（Boundedly Rational Agents）的決策行為。

Agents是復雜自適應系統（CAS－complex adaptive systems）的決策單元。它具有適應性、自治、學習并修正行為的能力、和異質性，即一群不同的agents具有多樣化的特征。它具有成套的規則和行為模式，它可以接收并加工輸入的信息，產生相應交互的適應性行為，以此來影響外部的環境。基于agent的建模與仿真（ABMS）可以被理解為系統由許多交互作用的具有適應性行為的個體所組成，每個個體有自身的目的、屬性、規則、適應性的行為模式，要讓所有的個體達到目標一致是很難實現的，但是在系統中彼此的交互作用，個體會根據以往的行為結果和環境調整自身的行為。Casti（1997）提出agent包括兩種規則，一種是基本的行為規則，即根據環境做出反應的基本規則。第二種是更高級別的規則，即更改規則的規則（Rules to Ch-ange the Rules），這反映了agent的適應性。企業中的股東、董事、監事、CEO、中層經理和一線的員工每個個體都有其目的、規則、適應性行為。比如股東與經理的目標如何協調？如何實現他們的目標一致性？他們的符合經濟理論的行為規則是什么？基本的行為規則和高級的行為規則有哪些？符合這些規則的心智模型（Mental Model）是什么？個體交互的適應性行為有哪些？涌現出的企業組織宏觀現象有哪些？以及他們之間是如何構建起這種動態變化的復雜關系？這些都是值得去深入研究的問題。在明確股東、董事、CEO、CFO等成員目標、規則的基礎上，動態觀察其適應性的交互行為，以及由此涌現的公司治理等宏觀現象。 向經濟學家和管理學家以及企業管理者展示了令人激動人心的新的畫卷，基于agent的建模與仿真（ABMS）不僅可以用來研究公司治理問題，更廣泛范圍的經濟問題、管理問題、社會科學的問題都可以采用這種模式，ABMS勢必成為越來越多的研究人員的首選研究工具，在計算機上模擬經濟、管理、社會動態變化的過程。這是傳統研究模式和工具所不具備的，是一種日益重要的補充。

三、 模型構建和仿真的工具與方法

在首席專家的指導下，模型的構建和仿真就可以開始了。從簡單到復雜是成功的關鍵。基于agent的建模與仿真（ABMS）包括三種主要類型：桌面ABMS、參與的ABMS、大規模的ABMS。桌面ABMS是個人在空閑時間在計算機上即可操作的。參與的ABMS需要一群人參與，有人機交互的過程，并經過一段時間才能完成的，類似于實驗經濟學的研究。大規模的ABMS需要一個團隊經過相當長的時間才能完成。桌面ABMS中最簡單的是ABMS原型，他具有模型的骨架，范圍比較小，它的目標是直接解決核心問題而不必考慮過多的細節，這樣可以節省時間和成本，為下一步更廣范圍更深入的研究打下基礎。ABMS原型的工具有Repast Py，NetLogo，和StarLogo等軟件，可以利用這些軟件反復實驗探索多agents交互適應性的行為。電子表格是最簡單工具，例如Microsoft Excel，可以做最基本的Agent原型的實驗（Bower Bunn，2000）。參與的ABMS工具中NetLogo是做的比較好的，由真人模仿企業管理中各個角色基于agent進行參與式模擬。大規模的ABMS需要采用Repast和Swarm軟件，Repast for Java是芝加哥大學的社會學教授在Swarm的基礎上研發的agent軟件，專門針對社會學、經濟與管理學開發的工具，部分功能超過了Swarm。Swarm軟件是美國圣達菲研究所研發的agent軟件，是在復雜性研究做的最早也是最好的之一。有Sw-arm for C和Swarm for Java兩個版本。大規模的ABMS用來進行更為復雜的系統仿真，這需要采用面向對象的編程思想。Java編程語言的許多性能超過了C語言，具有封裝、繼承、多態、多線程等特征，它更容易實現agents的適應性的行為。Java支持多線程，多線程就是在程序中并行實現多個任務。一個agent執行的任務就是一個線程，成百上千不同類型的agents在一起交互的適應性行為就是多線程的實現。由于Java語言的多種優點，進行agent的建模和仿真自然就由Java語言來承擔。Repast Simphony軟件就是基于Java語言在eclipse的基礎上研發的agent專用仿真平臺。

四、 建模的流程

高水平的大型ABMS的建模流程包含如下步驟。原型設計是針對特定研究問題考慮是否適合采用ABMS的研究模式，是否可以理解為多個agents交互作用的過程，以及選擇哪種方法？構建設計是確定ABMS工具，確定整體的結構。確定ABMS工具包括軟件工具和硬件工具。比如采用Repast for Java以及java組件進行研究。Agent和agent原則設計是在ABMS中考慮和選擇包含哪些agents，以及不同agents的行為原則。Agent環境設計是考慮和選擇適合的agent世界，以及適合特定agent世界的數據結構和算法。執行是根據上面確定的構建設計、agent和agent原則設計、agent環境設計等內容用軟件編寫代碼予以實現。正確性校驗是穿行測試軟件是否正確運行，是否存在錯誤。效用檢驗是看軟件是否反映了真實世界的問題，是否達有效。實驗設計是對問題進行精煉直到能用ABMS工具有效地解決問題。例如“在成本提高25%的情形下如何采用適應性的戰略提高產品的價格？”數據的收集與整理包含確定哪些數據被收集，進一步整理數據確實它足夠精確滿足實驗要求，對數據進行格式化符合輸入的要求。模型的運行通常要反復進行，看是否符合設計要求。結果分析是在專業判斷的基礎上對輸出的原始結果進行加工。結果展示是最后的報告和展示要有效地反映出ABMS工作所獲得的洞察力和結論。以上描述了模型開發和使用的核心步驟。這些步驟為ABMS項目管理提供了堅實的概念框架，但是在實際的開發和使用中，邊界往往被模糊了，在各個步驟間經常有反饋和交織，反饋環經常跨越幾個步驟。下面對幾個關鍵概念進一步分析。

五、 模型的正確性校驗、效用檢驗與數據的收集與整理

基于agent的建模與仿真要想被接受并用于決策，模型的正確性校驗、效用檢驗（即效度）是至關重要的。要讓決策者接受在計算機上的仿真，除了決策者接受過這樣的教育，從內心認同這種方法外，還要讓決策者相信模擬了現實世界的關鍵問題，模擬的結果提供了系統確切的信息。從基于agent的模擬到真實世界的實現，需要大量時間用于模型的正確性校驗、效用檢驗、數據的收集與整理工作。這里的正確性校驗是指模型是否根據設計規范按照研發者的期望予以實現，算法是否被正確的執行，編程是否正確，模型是否存在錯誤、遺漏和瑕疵。模型的效用檢驗（效度）是指模型是否代表并正確復制真實系統的行為。將模型與真實世界進行比照，模型是否解決了重要問題，是否正確反映了真實世界的運作過程。任何建模都是為了將數據和信息轉化成知識和智慧，“如果輸入的是垃圾，輸出的也是垃圾”，由此可以看到數據的收集和整理是建模過程中至關重要的環節。基于agent建模與仿真同樣需要在收集和整理數據上花費大量的時間和成本。大型的ABMS大約花費80%的成本用于數據的收集、整理、效度的分析，只有20%的成本用于建模等其他工作。對企業來說客戶、銷售、財務等真實數據是至關重要的，很難以研究者身份獲得這些保密的數據，除非是以企業管理者的角度才能充分收集到這些有價值的數據。

六、 結果的分析與展示

從分析人員的視角，最大的挑戰是用可以理解的術語將系統未來可能的行為解釋給決策者。因此要讓決策者理解agent微觀的交互行為如何影響宏觀的結果，并進一步控制和影響agent的行為。ABMS最大的優點在于魯棒性好，模型一旦構建好，無論多個輸入變量在一定范圍內如何變動，迅速的就可以得出輸出的結果，并用于未來的決策。這是其他方法很難實現的。在ABMS的敏感性分析時，不僅涉及輸入因素的調整，有時還需要根據環境的變化增加agent的適應性行為，使ABMS更加接近真實的世界。由于采用面向對象的編程思想，只需在已有模型的基礎上增加新的agent或者增加已有agent的屬性和行為即可實現。這樣就可以從ABMS中挖掘出對系統深刻的洞察力，但是更關鍵的是讓決策者理解并接受ABMS的結果，除了決策者受過相應的教育從內心接受這種方法外，還需要與決策者有效地溝通與交流，以恰當的方式將結果展示給決策者。

七、 結束語

基于agent建模和仿真（ABMS）是一種新的用于企業決策的有用工具。ABMS為企業的決策者理解他所管理的企業這個復雜系統提供了深刻地洞察。它不僅用于企業決策領域，還可以用于政府決策甚至任何復雜系統的分析與決策。ABMS是建立在復雜適應性系統等理論的基礎上，系統大于個組成部分簡單匯總之和，各組成部分具有交互的適應性行為，由此涌現出系統宏觀的現象與結果。在過去很難預測未來的情況下，系統中的組成部分在時空中動態變化的情況下，采用ABMS可以面向未來預測系統的變化趨勢，通過控制、調節agent的行為進行科學決策。離散事件仿真、面向對象編程、關系型數據庫、優化等技術支撐了ABMS由底致頂（bottom-up）的模擬復雜系統，使其成為正確的、有效的、可擴展的和具有魯棒性的建模和仿真方法。從ABMS原型、參與ABMS模型到大型ABMS的構建，是從簡單到復雜的過程，也是建模與仿真成功的關鍵。這是一個日益復雜的世界，企業的經營面臨著日益復雜的情況，計劃與管理工具必須能夠捕捉到涌現的復雜性，基于agent建模和仿真（ABMS）就是這種有用的、可以被使用的、已經被使用的決策工具。

參考文獻：

1. North， M.J.， and C.M.， Macal， Managing Business Complexity: Discovering Strategic Solu- tions with Agent-Based Modeling and Simulation， Oxford University Press， New York， NY USA.March，2007.

2. 方美琪，張樹人.復雜系統建模與仿真.北京:中國人民大學出版社，2011.

3. Banham， R. Reality Budgeting. CIO Insight Magazine.Aug，2002.

4. Casti， J. L. Would-Be Worlds: How Simula- tion Is Changing the World of Science. New York: Wiley，1997.

5. Bower， J. and D. Bunn. Model-Based Compa- risons of Pool and Bilateral Markets for Ele- ctricity. The Energy Journal，2000，21（3）:1-29.

基金項目：國家自然科學基金（項目號：71072095；70702021;70971059）；遼寧省教育廳創新團隊項目（項目號：2008T082）。

作者簡介：鄭毅，南開大學商學院博士生，遼寧工程技術大學工商管理學院副教授；楊韜，遼寧工程技術大學工商管理學院副教授。

收稿日期：2011-09-13。