劉艷玲 姚建盛*

（1．桂林理工大學旅游與風景園林學院，廣西 桂林 541004；2．廣西旅游產(chǎn)業(yè)研究院，廣西 桂林 541004）

1 引言

在許多實際的大型系統(tǒng)中，如社會系統(tǒng)、經(jīng)濟系統(tǒng)和生物系統(tǒng)等，各個要素之間的相互作用錯綜復(fù)雜，系統(tǒng)演化的方式很難通過數(shù)理模型描述，因此仿真是研究這類復(fù)雜系統(tǒng)的重要手段之一[1]。另外，仿真相對于實物模擬，具有降低風險和節(jié)約成本的優(yōu)點，而且可用于預(yù)測和論證方案可行性[2]。

智能體模型（ABM，Agent-based Modeling）是一種流行的建模和仿真技術(shù)，將人、組織、企業(yè)、動物等個體建模為智能體Agent，Agent具有自身狀態(tài)和行為規(guī)則，通過微觀個體（Agent）行為和交互活動，可以再現(xiàn)突發(fā)現(xiàn)象、動態(tài)均衡和非線性結(jié)果等，從而推演系統(tǒng)的宏觀現(xiàn)象和運行結(jié)果，是當前復(fù)雜系統(tǒng)研究的重要方法之一，已經(jīng)廣泛應(yīng)用于社會科學、生物學、化學、地球科學和計算機科學等多個領(lǐng)域[3]。

ABM通過計算機程序模擬系統(tǒng)的動態(tài)運行，迄今為止已有眾多ABM仿真工具軟件，如Swarm、NetLogo、Repast等等，其中在社會生態(tài)領(lǐng)域應(yīng)用最廣泛的是NetLogo[4]。NetLogo是基于ABM模型對自然和社會現(xiàn)象進行仿真的可編程建模環(huán)境，特別適合對隨時間演化的復(fù)雜系統(tǒng)進行建模。但是，NetLogo的建模語言Lisp屬于一個古老而奇異的編程語言家族，看似簡單，實則龐大精深，想精通難度很大。尤其在設(shè)計復(fù)雜系統(tǒng)調(diào)參時，NetLogo無法像腳本語言一樣方便配置參數(shù)和對比分析不同參數(shù)環(huán)境下系統(tǒng)輸出結(jié)果[5]。

鑒于Python語言在數(shù)據(jù)統(tǒng)計分析、挖掘和可視化上的強大功能，有項目基于Python開發(fā)控制NetLogo的平臺，如PyNetLogo[4]和NL4Py[5]等，但是同時使用多種語言對于社會科學研究人員來說還是有難度。另外一個項目Mesa基于Python3開發(fā)一個ABM框架[6]，既可以利用Python語言建立ABM模型，又可以充分利用Python語言的強大功能，進行數(shù)據(jù)分析和可視化，方便學術(shù)研究。論文通過示例介紹Mesa，為ABM仿真研究者提供一個新的選擇工具和快速入門途徑。

2 Mesa——ABM仿真框架

Mesa是基于Python3開發(fā)的、模塊化的開源ABM仿真框架，可用于構(gòu)建、分析和可視化ABM模型。Mesa從頭開始構(gòu)建，能夠借鑒當前主流ABM仿真工具的優(yōu)勢和彌補不足，借助Python語言的優(yōu)勢，Mesa目標是成為一個可以替代基于其他語言的ABM流行框架，比如NetLogo、Repast或MASON。目前Mesa在Github上擁有2.4k個star和588個fork，并且一直處于活躍更新狀態(tài)。

Mesa的體系架構(gòu)如圖1所示，框架整體由三部分組成，分別是模型（Modeling）、分析（Analysis）和可視化（Visualization）。其中模型（Modeling）包括三部分，即仿真空間（Space）、智能體（Agent）和調(diào)度器（Scheduler），Space是Agent的活動場景，Scheduler決定Agent在Space上的活動順序，Modeling負責配置三個組件。分析（Analysis）模塊主要是數(shù)據(jù)收集器和批處理運行器?？梢暬Ｐ蛥?shù)設(shè)置可視化、仿真場景可視化和仿真結(jié)果可視化三部分。

圖1 Mesa體行架構(gòu)

Mesa框架系統(tǒng)文件及其相關(guān)功能如下：

agent.py、model.py分別是Agent和Model的基類，由用戶依據(jù)實際仿真任務(wù)進行繼承和擴展；space.py是Space空間類，實現(xiàn)了包括Grid、ContinuousSpace、NetworkGrid等仿真空間；time.py實現(xiàn)了調(diào)度器功能，包括BaseScheduler、RandomActiation、SimultaneousActivation、StagedActivation等調(diào)度策略；datacollection.py和batchrunner.py實現(xiàn)數(shù)據(jù)收集和批處理不同參數(shù)等功能；目錄Visualization中的文件Modular-Visualization.py、TextVisualization.py、UserParam.py實現(xiàn)模型可視化、文本可視化和參數(shù)可視化功能。

3 仿真示例

通過示例演示Mesa的使用和仿真效果，選擇典型的病毒傳播模型SIR作為仿真案例。在SIR中，種群（Population）內(nèi)個體的狀態(tài)可分三類：

（1）S：易染狀態(tài)(Susceptible)，即健康狀態(tài)；

（2）I：感染狀態(tài)(Infected)，處于感染狀態(tài)的個體，可以感染其他健康狀態(tài)個體；

（3）R：移除狀態(tài)或者恢復(fù)狀態(tài)(Removed or Recovered)，也稱為免疫狀態(tài)，即個體被感染后恢復(fù)，不再被感染，也不感染其他個體。

設(shè)S(t)是t時刻“S”狀態(tài)的個體數(shù)，I(t)是t時刻“I”狀態(tài)的個體數(shù)，R(t)是t時刻“R”狀態(tài)的個體數(shù)，N(t)是t時刻整個種群的個體數(shù)量，個體接觸率為λ，治愈率為μ，則agent狀態(tài)遷移圖如圖2所示。

圖2 SIR模型狀態(tài)遷移圖

設(shè)種群總數(shù)為固定值N，則有式（1）的微分方程組：

在傳統(tǒng)的仿真中，基于公式（1）計算仿真結(jié)果，能看到標準的圖形，但與現(xiàn)實不符?；贏BM的仿真，每個個體隨機移動，接觸率與種群密度和移動模型相關(guān)。設(shè)個體間傳染概率為β，恢復(fù)概率為γ，當易感染agent同時接觸n個感染agent時，感染概率是n*β。

依據(jù)Mesa框架編寫3個代碼文件：

（1）agent.py實現(xiàn)People類，繼承Mesa的智能體基類Agent，設(shè)置agent具有三種狀態(tài)及其狀態(tài)改變規(guī)則，通過代碼：

實現(xiàn)agent的簡單隨機游走功能。

（2）model.py實現(xiàn)SIR類，繼承Mesa的智能體基類Model，主要是配置仿真空間、調(diào)度器、數(shù)據(jù)收集器、生成agent等，關(guān)鍵代碼如下：

（3）server.py實現(xiàn)可視化web服務(wù)器：

定義自定義函數(shù)sir_portrayal(agent)，設(shè)計agent在仿真空間的形狀、顏色等信息；

設(shè)置畫布、大小，并將函數(shù)sir_portrayal(agent)傳遞給畫布：

設(shè)計收集數(shù)據(jù)的可視化圖表：

設(shè)置四個仿真模型參數(shù)，用滑塊設(shè)置默認值、最小值、最大值和step步長：

配置可視化文本服務(wù)器，包括模型、畫布、圖表、參數(shù)等信息：

仿真運行界面如圖3所示：

圖3 仿真可視化界面

4 結(jié)語

本文介紹了ABM模型仿真在復(fù)雜系統(tǒng)研究中的重要作用，重點闡述基于Python的ABM仿真框架Mesa的優(yōu)勢、結(jié)構(gòu)，并通過SIR模型仿真案例描述Mesa的使用方法，為Python用戶實現(xiàn)ABM仿真探索一個新方法。