多目标遗传规划可以提高社会系统的机理模型的解释能力

文摘

基于主体的生成的社会科学方法,模拟(或其他复杂系统模型)执行复制一个已知的社会现象,是现实主义的一个重要工具的解释。然而,生成模型,当适当的校准和验证使用经验数据,只占一个可行的候选集的实体和机制。模型仅仅解决了部分的需求诱导的推理进程它不提供洞察其他可行集的实体或机制也表明这些本质上都是本构的现象存在。在本文中,我们提出一个新的模型发现框架,更全面地捕捉现实主义解释的需要。框架利用现有的隐式本体生成模型提出的限制性和测试新的候选模型结构的多元化。遗传规划用于自动化这个搜索过程。多目标的方法是使用,使多角度任何特定的价值生成模型(拟合优度,吝啬,interpretability-to同时表示。我们证明这个新框架使用一个复杂的系统建模案例研究社会变化和停滞的饮酒模式在1980 - 2010年期间在美国。框架成功识别的三个互相争生意的解释这些饮酒模式,使用新颖的社会角色理论的集成以前未被人类modeler。从业人员在复杂系统建模中应该使用模型发现改善说明实用程序生成的现实主义社会科学方法。

1。介绍

模拟(ABS)是一个行之有效的工具对理解复杂的系统使用生成的社会科学方法。生成社会科学的目的是去解释和理解社会现象作为自治实体的行动的结果根据因果机制或规则编码,在基于个体模型(1]。如果modeler编码模型,产生一个已知的经验模式,所谓的“生成测试”,和假设机制形成一个候选人的解释的现象。许多社会现象可以解释为多样性的理论,每一个都可以通过生成测试当编码作为ABS,让我们想知道理论是正确的;如何结合理论;丢失的从我们的理论是什么?在这里,我们提出一个新颖的方法,发现新模型和扩展theory-driven生成模型的解释能力使用多目标遗传规划知识发现的过程。元素生成理论或几个生成理论将在一个常见的语法,通过基因进化编程,评估经验,复杂性,和可解释性,由主题专家解释社会现象带来新的见解。

在本文中,我们制定了以下目标:(1)来解释现实主义解释复杂系统模型的作用;(2)定义结构标定方法:发现retroductive模型框架;(3)演示模型发现框架的应用到一个特定的系统,社会系统模型;和(4)讨论计算机辅助模型的影响发现的案例研究的结果。

2。方法

2.1。诱导的推理的作用机理的解释

我们的方法是生成的背景(1)或系统(2)的方法来研究复杂的社会系统。在这种方法中,我们假设任何具体现象(可能是经验可观测到或多或少)中出现的动态相互作用真正的独立存在的实体和机制检测他们(我们的能力3]。在这种背景下,复杂系统建模主要是解释的作用,帮助获得洞察理论上认为实体和机制代表他们在动态仿真模型。

诱导的推理中起着关键作用的机理解释,可以设想在两个部分4]:(我)重新描述:定位产生的具体现象为例(即虚拟交互组件。、实体和机制)的一个或多个理论。(2)Retroduction:识别哪些组件从根本上重新描述的现象的出现(即本构。、实体和机制的不存在会排除这种现象)。

发展的复杂系统模型主要由人类modeler重新描述—modeler使用现有理论(和潜在发展新理论)来构造一组方程和规则,执行时模拟,产生的结果,在某种程度上类似现象进行调查。模型建立过程的一部分,modeler defines-either明确或implicitly-an本体的实体,基于主体模拟的代理,和机制,确定行动的规则和互动。

生成的方法提交modeler至少retroduction-the模拟的有限形式,重新描述,审查其繁殖能力的具体现象,只要后者是可观测的经验数据。仿真参数往往需要操纵为了达到良好的相似性;在计算模型社区,这个过程被称为校准(5),通常被认定为属于最佳实践项目分析社会学研究[6]。如果模拟可以校准成功,那么重新描述编码是通过说生成充足测试仍然是一个候选人的解释现象(1]。然而retroductive过程,生成的方法,应用于一个仿真模型时,有两个基本的缺点:(1)不允许被接受的实体和机制从根本上本构,因为这样做是肯定结果犯的谬误;(2)也不允许被拒绝的实体和机制从根本上本构,只是他们现在的配置或nonconstitutive代表的仿真模型。

在一起,这些限制形成的许多担忧的基础复杂系统建模提出了社会学的社区内(见,例如,(7])。我们认为限制来自于建模的重点在一个重述,即。,a single ABS. To improve our explanatory capability, we need to increase the number of redescriptions considered within the overall modeling process, i.e., by building multiple ABS that either interpret a single theory in different ways or represent multiple different theories or both. By subjecting a plurality of redescriptions to retroduction, we can seek to identify commonalities in the theory components that survive the generative sufficiency test; we can also seek to increase the robustness of the test outcome to potential issues with the configuration or representation of a theory within the simulation. Within the context of model calibration activities, this concept is operationalized as interrogating model structure (i.e., the selection and configuration of entities and mechanisms) in addition to model parameters—we call this结构性校准。也许令人惊讶的是,鉴于其诱导的推理过程中的关键作用,复杂系统建模社区尚未显著关注结构性标定的问题。下面我们回顾一些现有的关于这一主题的作品。

2.2。现有的结构仿真模型的校准工作

一个非常小的文学存在的结构性校准(被形容为“发现”理论8),”模式探索”(9,“逆生成社会科学”[10])的机理模型,使用进化计算(EC)的方法来引导搜索好的模型结构。在已知最早的研究中,史密斯(11)用遗传算法确定的简化表述行为观察社会assortativity繁殖的鸟类。之后,重点观察人类繁殖群动态,钟等。12]用基因表达式编程确定奖励的结构函数代表个人决策在一个“sense-think-act”框架。Gunaratne和Garibay8)用遗传规划修改代理的农场选择规则的“人工外星档案”模型中,为了更准确地再现考古人口人口长谷,亚利桑那州。最有趣的是,同样的上下文中人工阿纳萨齐相同的作者然后用遗传规划识别人类行为的组件对爱泼斯坦Agent_Zero模型作为农场选择决策的基础(9]。最后,在目前的研究工作,形成了一个前奏,Vu et al。10)使用多目标遗传规划识别替代情景饮酒的社会规范机制模型,旨在提升代表观察到的饮酒模式在美国花了15年时间和理论解释能力(实施情境机制)的条款。

存在的问题和局限性与这些早期的技术。虽然研究已经证明成功提高实验数据的拟合优度,他们都被限制在scale-focusing特定方面更大的模型。进一步研究关注人类行为也纠结的问题结构已确定的理论意义。而减少或限制条款在候选人的行为规则的数量显然是有用的在提高可解释性,通常情况下,新结构仍然具有挑战性的原始理论的解释,这个至关重要的活动推迟到未来的工作。

2.3。提出了结构校准方法

在这里,我们描述一个新的框架结构校准位置,明确作为现实主义的解释工具,可以使用与更传统的方法在现实主义传统(3]。我们的方法是基于认识到人类的modeler使用创造性的重新描述的过程,导致本体的建筑实体和机制可能涉及的生成一个复杂的现象。这是我们的框架的起点本体。我们利用本体(a)构造新的候选人重新描述(即。仿真模型结构),可以实现通过本体;(b)测试候选人重新描述的解释性价值,“价值”可以是一个多元化的考虑,如经验拟合优度、结构精简、可解释性和理论的可信度。

开发的本体建模师可以被视为一组实体和机制的基本构建块。作为人类,当我们可以用积木建构一套详尽的可能的替代方法仿真模型结构(以不同的方式组装积木),即使是一组相对较小的构件会导致大量的选择几乎无法用手探索。另一种方法是使用机器学习方法,在我们做出明智的使用计算资源的自动搜索的空间可能的模型结构。静脉的现有文献,我们认为进化计算方法称为家族遗传规划(GP)作为结构的高度承诺主力校准(13]。多目标遗传编程是特别有益的,因为它允许研究人员评估候选模型结构根据一组明确考虑解释性价值(14]。在我们目前的框架中,我们集中在两个方面的价值:(i)的能力模型的结构,与适当的校准参数,复制到目前为止的现象,我们理解它从我们的信仰和经验数据;(2)有意义的模型结构在理论上的可解释性。

2.4。生成候选模型结构:基于语法的遗传编程

进化计算领域,适用于自然进化计算的原则。在EC,人口的候选人是进化了许多代基于适应度函数。一个典型的过程开始于一个随机的候选人。健身然后概率高的候选人选择品种和生产下一代的候选人。两个常见的遗传算子对育种是交叉(结合随机部分从两个选定的候选人)和突变(改变一个随机选择的候选人的一部分)。遗传规划适用于这个想法进化的计算机程序(13,15]。

基本遗传算子(即。,crossover and mutation) are entirely random and can result in the construction of illegal programs (e.g., that breach requirements for legal expressions or type restrictions of the programming language). For this reason alone, it is often appropriate to constrain the structure of programs in advance of the evolutionary process. An approach to enforcing particular structures is using a grammar [16]。全科医生的方法用语法来表达约束被称为基于语法的遗传规划(GGP)。例如,表达式f(x,y)=x x+y是许多可能的具体结构,可以使用下面的语法:

语法中的每一行是一个产生式规则。小的元素可以重写,被称为非终结符号。另一方面,终端元素不能被重写。第一个生产规则是一个表达式(E),可以等于一个变量(var)或两个表达式(E)由一个操作符(凤凰社)。第二个规则允许三个运算符:+,-,乘以。最后一个生产规则指定三个变量:x,y,z。

每个结构产生的语法由树表示。树表示允许研究人员测量的结构复杂性模型通过计算节点的数量在树上(终端和非终结符号)。即使是简单的表达式f(x,y)=x x+y,如图1一个节点数15。交叉操作通过减少树的一个分支,代之以来自另一个树的一个分支。变异操作代替随机生成树的一个节点。

2.5。描述模型的发现过程

本节描述该模型发现过程,描述图的流程图2。最近的一个方法的过程是一个变体所描述的Vu et al。10]。有三个角色模型中发现过程:modeler中,分析师和领域专家。modeler的设计、实现和测试基于代理模型。分析师分析模型结构和抽象的实体和机制的基本构建块。领域专家拥有的知识和理解的社会科学支撑模型和评估模型的理论的可信度。

在步骤1中模型的发现过程,人类modeler发展机理模型来解释这一现象在一个复杂的社会系统(基线模型)。这个重新描述的过程是由modeler进行基于现有知识在社会理论。在步骤2中,模型是由人类专家为其理论的可信度评估在社会理论支撑模型(即。域专家)。模型的重建可能发生后这一步(代表回到步骤1),一旦人类专家满意基线模型,在步骤3中,一个人类分析师抽象的基本类型,即。“积木”的模型。这些原语集实体和机制暴露出进化和修改的步骤(步骤6)。此外,定义了语法指导搜索。因为语法是一组产生式规则结合原语,分析员可以执行的某些结构基于modeler的知识体系;可信的操作可以被禁止。在步骤4中,模型参数校准使用基线模型结构对经验校准目标。在步骤5中,模型由人类modeler中,随着最好的校准参数,是克隆填补模型结构的初始种群。

第六步是进化的核心方法。父母从人口结构选择模型结构(步骤6 (a))。后应用遗传算子(交叉和变异),生成新的孩子结构(步骤6 (b))。理想情况下,新的子的参数结构调整进一步看到如果模型错误可以最小化(步骤6 (c))。然而,这样的一个嵌套方法校准计算非常密集,所以我们一定省略这一步由于限制可用的计算资源。相反,我们允许医生选择常数不仅一组通用的常量值校准参数的生成步骤4。下(在步骤6 (d)),新结构是身体健康(如模型误差与经验数据相比)。评估后,新的人口是根据目标选择(步骤6 (e))。这些进化的步骤执行,直到达到收敛或达到最大迭代次数时(步骤6 (f))。

在步骤7中,通过协商讨论与分析师和modeler中,领域专家评估的新建筑最高的健身价值理论的可信度。如果新结构缺乏足够的可信度,领域专家,modeler,分析师返回到步骤3,讨论修改语法来提高操作的意义,可以选择的进化算法。进一步的迭代步骤3到步骤7进行,直到生成可靠的结构或资源耗尽。在步骤8中,可信的知识发现模型结构解释的目的,促进讨论底层社会中使用的模型和理论,可能进一步的理论发展和实证数据采集。

3所示。应用程序

我们新框架应用于一个特定的系统,社会系统模型。在这里,我们解释源自的因果机制社会角色理论当司机的酒精消费群体构建复杂系统模型的饮酒模式在美国1980年代以来(图3)。社会角色理论是一个集体的术语用来描述各种各样的机理解释个人和集体行为和实践从社会心理学、社会学和人类学(17]。特定的概念化的角色理论中使用酒精研究界酒精use-specifically解释观察到的趋势与饮酒之间的相互作用和位置的角色如父母、伙伴,支付员工(18]。我们的目标在这个应用程序中是测试在多大程度上可靠的概念化的角色理论能够重现历史趋势人口饮酒(通过调查数据来衡量)。

在这个应用程序中,模型中不同角色的发现过程是由不同的作者。modeler的作用主要是由HB, AB, RCP。分析师的角色是由CB和烟草花叶病毒。领域专家PS。

3.1。社会角色的机理解释酒精使用:限制性模型,因为它涉及到角色理论

的概念角色压力是许多核心位置的角色使用酒精相关的研究。比德尔(17)定义了角色紧张的“经验与职位相关的压力或预期的作用。“角色紧张是假设出现,通过一些途径,酒精可以作为原因,结果,或两者兼而有之。酒精可以通过个体的应对角色压力作用引起的过载(拿着角色设置太复杂),作用不足(缺少角色赋予了我们生命的意义),或角色不一致(持有角色nonnormative对地位或身份)(19,20.]。饮酒也可以诱发或加剧角色紧张,在使用不兼容的要求执行角色21]。在模型中,角色紧张的算术平均值角色不一致和角色超载(方程(1)在表1)。角色超载(方程(2)是由代理人拥有的角色,这些角色的参与水平,和四个校准参数代表着每个角色的影响经历角色超载。角色不一致(方程(3))的算术平均值的区别每个角色控股地位和普遍的社会中所扮演的角色(即。一部分人认为角色)。

的机制被称为角色的选择个体行为(有意或无意),以防止或者减少避免或逃避角色对角色压力与他们现有的酒精使用不兼容的(21]。这种机制是通过调整实现的概率过渡角色之间基于代理的酗酒状态(酗酒的定义是在前一个月消耗5 +标准饮料)(方程(4)和(5))。在对比角色社会化机制,个体逐渐接受并内化喝实践兼容他们持有的角色(21- - - - - -23]。计算不同饮酒性格当个体获得或失去角色(方程(6)和(7))。新的性格喝(方程(8))是一个函数的不同性格和修饰符(方程(9)),使用的天数计算的新角色举行和社会化的速度。

Knibbe et al。18]建议的位置角色由一个个人可以影响这个人的能力参与饮酒的情况下,根据饮用的程度是在社会融入日常生活的结构。从这个意义上说,社会角色作为日常监管机制机会使用酒精。个人在模型中有不同的机会喝内外,这取决于他们持有的角色。喝酒的机会,在每一个计算日志赔率(方程(10)和(11)),然后转化为概率(方程(12)和(13))。日志赔率在外喝负载是基于代理的角色,就业状况,和两个校准参数来描述这些因素对机会的未知影响大小喝。角色负荷和婚姻和生育状况确定日志的几率在家里喝酒的机会。再次,这个方程包含未知参数描述这些因素对饮料的机会。

代理的条件概率我消费一个jth饮料(方程(14)和(15))是由每个代理的长期性格喝酒,他们喝的概率在和外部的家里,和角色压力。

3.2。数据

3.2.1之上。模型初始化

初始化模型,药物使用和健康调查的数据(NSDUH) 1979 - 201024),收入动态面板的研究(PSID) 1979 - 2010251980 - 2010),美国人口普查(26]。microsynthesis [27)是生成的人口代表1000名年龄在12 - 80人口在美国,1980年。1000年模型初始化这些特工在1980年的第一天。从microsynthesis特工被初始化的社会人口特征:年龄、性别、种族、就业状况、婚姻状况、生育状况。此外,microsynthesis初始化与酒精使用属性代理:12个月饮用状态,通常每月喝几天,平时每月数量的饮料,和天数超过5杯每月消费。

3.2.2。模拟

在每个模拟,个人进入模型新12岁的青少年和新移民。个人还把模型由于死亡和向外迁移。总项新移民进入估计每年使用1980 - 2010年美国社区调查(28)和数据microsynthesised最近的NSDUH年给农民工代表与相应的基线饮酒行为。死亡率的微观分析来自疾病控制和预防中心(CDC)的所有原因的死亡率数据,美国在1979 - 199829日)和1999 - 2010 (30.]。

移动之间的跃迁概率的八个不同的社会角色变量组合应用(婚姻、就业和生育)每年在模拟。这些概率来自多态马尔科夫模型适合婚姻,养育,从美国代表研究和就业趋势,收入动态的小组研究1979 - 200025]。

在初始化,每个代理分配一个向量代表长期性格喝。这些初始化的平均值和标准偏差的饮用频率和数量在基线。

3.2.3。校准目标

校准目标酒精使用来自经验数据从NSDUH 1979 - 2010年。四个酒精使用目标每年用于校准:(1)prevalence-the比例的个人报告消费酒精饮料在前一年;(2)频率饮酒者,平均每月的饮酒天数;(3)地力的人来说,每天的平均克酒精消耗;(4)重情景青少年饮酒者,场合的平均数5 +饮料消费,每月。小组的目标是分裂,四子组定义角色的数量(0 - 3角色)举行。我们选择分类的角色(n= 4)而不是角色的组合(n= 8),有两个原因:首先,这是一个在社会角色文献中常用的指标(19];其次,八个角色分解的标准误差太大的目标从校准的角度信息。总之,有16个目标(4酒精使用目标不同数量的角色),每年在1979和2010之间。

3.2.4。实现

c++实现的模型使用RepastHPC 2.2.0工具包(31日]。模型运行在20年的时间校准(1980 - 1999)和10年进行验证(2000 - 2009)。每个模型标记代表一天的模拟。每天的模拟,计算出每个代理饮酒的概率。每年一次的模拟,对角色转换的过渡概率应用更新和角色期望。

3.3。参数标定

模型包含31参数校准,以粗体突出显示文本表1。在本文中,一个拉丁超立方体空间设计采用样本5000联合先验分布的参数设置使用lh包R(32]。拉丁超立方体被最大化优化样本之间的最小距离(33]。使用一个错误指标评估这些参数集,比较模拟结果与校准的目标。 在哪里是观察,的数量是输出的数量,输出的模拟数据吗米在时间n,的意思是实证目标数据输出米在时间n,是标准的错误经验目标数据的输出米在时间n,输出模型的方差差异吗米,这是10%的可能为每个输出范围。模型误差模型抓住了事实并不是一个现实的完美代表。

节中描述3.2。3有16个目标(患病率、频率、数量和重度饮酒者,每个分裂的角色,0 - 3),因此是16。是不同的每个输出因为几年经验数据的丢失。提供了最小误差的参数化方程(2)被选为校准过程的结果。限制性模型以及最好的参数化结构被选为参考模型校准过程。

3.4。基于语法的遗传规划:设计和实现

本节描述GGP系统执行模型发现过程。的语法指导全科医生的过程,使用了流行的上下文无关语法。完整的语法写在Backus-Naur形式(34可以在图4。考虑GGP的代表候选人,每个候选人是由一个树,生成后的生产规则语法。每个GGP候选人(一个项目<p>)包含9 role-related条款9表达式中使用的角色模型:选择机制的角色,角色社会化机制,作用荷载,角色不一致、角色压力、log-odds-out修饰词,log-odds-in修饰词,喝酒的性格,next-drink性格。几组变量,常量和校准参数,定义。每个只能形成组合定义的变量、操作符和常量。一些role-related术语使用相同的表达式,因为他们有相同的结构,相同的约束,例如,probFirstDrink和probNextDrink都使用表达式<e5 >。该语法的层提供了一个层次结构,可以捕获role-related概念参考模型。

初始化的GGP,我们决定从一个初始种群开始充满了相同的结构。结构作为起点是参考模型,即。,the structure designed by human modelers with the best fitted parameterization. Additionally, a multiobjective GGP was employed to simultaneously minimize both model error and complexity. These two objectives address the two aspects of value we discussed in Section2.3:(i)的能力模型复制现象所以我们理解它从我们的信仰和经验数据;(2)有意义的可解释性的理论。

第一个目标,模型误差,通过对比来获取模型的模拟数据与真实世界的经验数据。描述的模型误差方程(2)(部分3.3)。复杂性,第二个目标是一个代理可解释性和吝啬。减少复杂性模型发现也限制了模型的发现过程中从发现太复杂结构overfit实证数据并不是由领域专家可判断的。定义的复杂性是GGP候选人的节点数量,特殊情况,节点是算作2与节点上被算作1。缺点当使用复杂性作为一个代理,它并不能保证有意义的可解释性,即。、低复杂性也会导致无意义的模型结构。因此,在每次迭代模型的发现过程,与我们合作的领域专家来验证所有结构的可解释性的理论意义。我们请专家使用的二进制分类模型结构的定义可信或者不可信。审判是整体时,分类过程是专家之间的协商讨论,modeler和分析师。随后讨论记录和使用产生一组定性判断标准模型的可信度。

选择过程,流行NSGA-II优化器(35)是用于开发的甚至表示帕累托面前,展示了模型误差和复杂性之间的权衡。在评估期间,相应的表达式在模拟的源代码编辑基于候选结构;然后模拟重新编译并运行为了收集仿真结果误差计算模型。

GGP描述系统使用PonyGE2工具包实现(34和设置以下参数:(我)每一代500 GGP的候选人(2)初始化:500份参考结构(3)GP运营商:子树交叉和25%的子树变异的75%(iv)最大的树深度:17(v)2目标(拟合优度和复杂性)与NSGA-II替代和选择运营商

GGP进程是运行在一个英特尔19 9980 xe和36个核心处理器。仿真的源代码使用最好的校准参数(RepastHPC)和GGP系统(PonyGE2)是可用的bitbucket.org/r01cascade/roles_ggp_complexity和GNU通用公共许可证下许可版本3。

4所示。结果

4.1。GGP结果和帕累托

在案例研究中,三个迭代模型的发现过程需要产生任何领域专家视为可靠的结构。每次迭代修改了语法之间为了提高发现过程的有效性。这是一个开放式的试验和错误迭代过程涉及modeler和分析师。我们停止这个过程一旦发现了可靠的结构。语法的演变是记录的补充材料一个。最后一个语法是图所示4。

在最后的迭代过程中,模型误差和模型复杂目标减少了几代人,聚集在20代后观察帕累托面前没有任何变化。图5显示了最终的14 nondominated人口结构,还包括参考结构比较。这些模型被他们的复杂性,例如,模型24是复杂性的模型在帕累托方面24。所有的结构发现的GGP比参考结构不太复杂。六人比参考模型的模型误差,而剩下的八个标定窗口提供改善健康。

4.2。理论发现模型的可信度

与我们合作领域专家检查nondominated GGP生成的模型结构的理论可靠性和一致性对社会角色理论。表2比较的结构参考模型和选定的GGP模型。在表2、元素不会影响代理喝(probFirstDrink和probNextDrink变量,方程(14)和(15))以斜体突出显示。

通过分析之间的协商讨论举行专家、分析师和modeler中,可以生成三个定性标准,使一致的可信度评估对于这个示例案例研究。在下面,我们提供一个叙述讨论信誉的帕累托图前面5。然而,所有GGP的完整的文档模型和相应的理由的可信度也包括在补充材料B。确定的三个理论的可信度的标准如下:(1)必须至少有一个理论的构造与动力学模型。在饮酒的机理模型,需要用于生成饮酒行为的机制。基于角色理论的模型,这意味着模型必须使用至少一个角色紧张的核心理论构造,作用荷载,角色不一致,或机会。例如,在缺乏角色社会化过程中,只使用一个变量,描述饮用历史(性格)不产生一个可信的理论机理模型的作用。(2)理论结构必须用于表示机制,而不是代表黑盒variable-centric解释。的识别模型,我们发现理论构造可以取代直接的可以观察到的社会人口属性代理。这些情况表明,该机理的解释是被避免的黑箱variable-centric“因素”的方法来理解饮酒行为是更传统的文献中36]。例如,在机理模型、婚姻状况不应直接定义机会,机会然后直接决定了性格。(3)模型方程描述机制必须兼容的因果逻辑和证据基础理论。机理模型,编码的一些核心理论构造之间的因果关系时才有意义的约束的方向,标志和/或大小。例如,角色负荷必须不影响或导致机会减少喝它是不可想象的,在角色理论术语中,这个角色负荷可能导致增加的机会(因为加载意味着时间使用代理不能结合饮用)。

现在关注帕累托前沿,与最低复杂性模型前(最右边的图5)模型,这个模型包括一个学期对于每一个产生式规则,选择角色和角色社会化进程关闭(表3)。当解析,所有不活跃,但生产的两个规则probFirstDrink和probNextDrink——这两个术语性格。这个词代表了初始部署喝赋予NSDUH代理基于观察饮酒模式的数据,所以24编码模型的启发式“过去的行为预测未来行为”方面的角色理论。这种启发式方法显然是不足以复制目标数据的仿真,但适合目标随着时间的推移变得越来越穷。

当我们开始遍历帕累托前面的方向(从右到左图不断增长的复杂性5),角色理论相关的元素开始被引入到生产规则;然而,这些元素不一定在解析过程中生存下来。例如,模型选择25开关的作用,正如与模型24没有组件有关的角色出现在决赛probFirstDrink和probNextDrink生产规则。我们可以得出结论,观察到的非常小的改进模型相比,25 24是由于低水平的特性转化模拟。

在接下来的模型,模型29岁的角色选择和社会化进程关闭但产生式规则probFirstDrink现在设置为性格 ProbOppIn,即,the probability of engaging in a drinking occasion is scaled by the probability of having the opportunity to drink at home, while the number of drinks consumed in such an occasion continues to follow the heuristic “past behavior predicts future behavior.” Following the production rules upward, we identify that, as a result of the log-odds structure that is preserved in all models,ProbOppIn是增加了角色负荷(RoleLoad),减少了持有就业角色(EmploymentStatus)。同时,荷载作用被定义为婚姻角色(持有的参与水平InvolvedxMarital)。从角色理论的角度来看,这个模型是可翻译的但不可信:(i)因为只有ProbOppIn包括,但的可能性吗ProbOppOut= 0在所有代理是不可信的,ProbOppIn理解为仅仅是一个代理任何喝的机会;(2)机会看到负载增加的作用,这是不可信的,因为机会应该与角色负荷,减少和降低被视为被雇佣的结果,这也是不可信的,因为外面的作用荷载的考虑(就业模型中不存在),被雇佣应该提供饮酒的机会增加(例如,由于收入或暴露于社交饮酒的情况下)。模型29还提供了一些改进模型误差相比,整个“过去的行为预测未来的行为。“总的来说,很明显,这个模型是发现缺陷。

继续遍历帕累托从右到左前,我们发现第一个模型提供一个可信的角色的诠释理论模型38。这个模型还提供了一个不那么复杂的实质性改进“过去的行为预测未来行为”模型的模型误差。在模型38,饮酒的频率(probFirstDrink)的概率增加了一个在家喝酒的机会(29岁,至于模型,这应该被视为一个代理任何喝的机会)。一些GGP的参数标定也看到,与非线性缩放性格。就业机会增加了持有一个角色和减少角色负荷(后者定义为婚姻角色)的参与水平。但具体作用载荷的定义的有限的范围内,这样的机会似乎合理的机制。角色控股也受饮酒行为的影响在这个模型中,由于角色选择交换反馈因此在行动,我们可以声称在这一点上,GGP发现了一个真正的动力模型,包括角色。

第二个模型,该模型可以被看作是可信的角色理论模型59-this模型表明,体验角色压力增加的可能性饮酒场合(由于RoleStrain在乘数性格在probFirstDrink产生式规则)。角色压力是纯粹定义为角色不一致,后者概念参考模型(即保存完整。、角色不一致的平均偏差是一个代理人的角色从规范性的角色)。两个角色选择和社会化也活跃在这个模型中,但没有机会机制存在。

第三个模型提供理论模型可信度的作用79。在模型中,角色压力增加饮酒的频率和每次数量(通过积极的修饰符probFirstDrink和probNextDrink分别)。角色压力产生的加权组合载荷作用和角色不一致,在负载来自高水平的参与就业的作用并通过nonnormative就业状况不一致时(例如,工作年龄失业)。机会也会影响饮用频率(通过PropOppIn的转变probFirstDrink产生式规则)同样是可信的,PropOppIn必须解释为一般的机会,而不是在任何位置上的上下文。机会减少的交互作用与育儿(通过负载InMod产生式规则),也在隔离(通过减少负载作用OutMod)。在这个模型中,角色选择和社会化是活跃的。

4.3。校准拟合优度

0.54的参考模型有一个错误的时间序列目标用于校准(包括1980 - 2000年)。参考模型的时间序列图是粉色线,如图所示6。适合饮酒普遍很好,除了一个角色群。适合频率、数量和重度饮酒者普遍贫穷,特别是zero-role子群。模型躺在帕累托面前代表一系列的错误,包括更好的和比参考模型。可信模型是相当相当好,从时间序列图在图6。喝流行的问题一个角色组和问题频率和数量在很大程度上消除了剩余问题主要局限于低估重度饮酒者的三个角色组。

应该注意的是,参考模型的拟合优度比较微弱的其他模型。不足这一问题可能是由于一个参数校准过程或基本结构最初设计的建模师无法捕获目标动力学。寻求改善参考模型的拟合优度,我们可以更广泛的参数校准或运行进行手工制作的结构。然而,我们决定GGP的校准模型足够的过程处理和故意没有试图进一步提高拟合优度。很明显,从模型开发生命周期的角度来看,参考模型之间的边界和GGP可以模糊。

4.4。验证拟合优度

目标的时间序列数据用于验证涵盖了2000 - 2010年期间。这段时间包括喝患病率的增加,频率,重情景消费与温和的下降在标定窗口看到。所有三个理论上可信模型表现出大幅相对衰落性能验证期间(见表4)。校准和验证错误具有负相关性,提示过度拟合校准目标噪声。然而,下降甚至最低的复杂性可信模型(模型38)表明retroduction从根本上缺乏普遍性相邻时间周期,即。,真正的实体和机制确定无效或不完整。详细看验证问题,模型38和59喝two-role和three-role组产生持续的下降趋势相反的方向的实证数据。模型还生成一个重度饮酒者three-role子群中崩溃是不支持的数据。最复杂的可信models-model 79 -并捕捉趋势逆转(如果稍微滞后)对于大多数two-role和three-role结果但低估了角色组的频率和数量。

5。讨论

5.1。模型发现案例研究发现

5.1.1。洞察机制

发现我们的模型框架提供了三个可选的观点(对应于三个可信模型38岁的59岁和79年),所有提供更好的适合标定窗口数据参考模型相比。在透视图(i), retroducted影响饮酒的机会和角色选择机制;角色影响喝酒的频率,而不是数量。就业相关的角色(驱动器的机会)和强烈参与婚姻角色(减少机会通过加载它创建角色)。社会化角色紧张也不是不重要的角色。角度(2)表明,角色压力驱动增加饮酒频率而不是数量。角色压力是由于持有nonnormative角色,涉及三个角色。角色选择和社会化都重要,但喝酒的机会并不重要。最后在透视图(iii),角色压力驱动频率增加和增加数量。机会驱动频率。 Role selection and socialisation are not important. Parenting and employment are implicated for role strain, but marriage is not. A universal caveat on these perspectives, which were driven by data over 1980–2000, is that validation issues were identified over the period 2000–2010.

5.1.2中。这些Retroducted见解比较实证研究结果如何?

在第一视角(i),持有一个就业的角色增加饮料的机会,而高水平的参与婚姻角色减少喝酒的机会,没有其他的基于角色的通路被激活。这些retroducted机制都得到实证研究的支持。使用数据从一个大型出生队列在英国,人员等。37]表明,就业隔离作用与酒精消费增加,婚姻和父母的角色与减少消费。进一步,作者表明,这些影响可能是由于不同的饮料的机会与婚姻相关的角色,例如,通过减少数量的个体参与社交场合饮酒可能的影响。这种潜在的机制是反映在视角(i),即一个人有更少的机会少喝,因此经常饮酒的场合,如果他们都结婚了(和高度参与他们的婚姻角色)。这也是由巴赫曼的分析(22),发现婚姻角色之间的关系和减少饮酒强烈主持通过减少晚上和增加不赞成使用。

视角(ii),角色不一致建议的司机角色紧张,影响饮酒的频率。这是由比德尔(17)表明,个人可以体验角色紧张由于经历之外的角色规范的计时,例如,过渡到一个家长作为一个未婚的少女的角色。角色压力的司机饮酒也被实证观察(19),这表明个人不得使用酒精来应对压力。另外在透视图(ii),这两个角色社会化和选择机制是活动的。角色社会化机制的重要性的司机饮酒支持李et al。23)后发现大量饮酒减少个人已经结婚了。此外,巴赫曼(22)进行了文献回顾将婚姻和酒精使用和建议大多数的研究发现婚姻角色社会化的影响,即。,获得婚姻的作用会导致减少饮酒。角色选择机制在饮酒行为的参与也支持更广泛的文学角色理论和酒精使用。具体地说,李et al。38)为角色选择机制提供了证据,发现酒精滥用早些时候减少过渡到社会角色的可能性。这可能是解释在角色选择环境,个体是一个酒鬼,他们不太可能过渡到一个角色将与他们喝酒不相容。

酒精消费的增加由于角色紧张也涉及机制的角度(iii)。在这里,角色紧张出现由于荷载的组合作用,角色不一致,这是由高水平的参与就业的作用或nonnormative就业状况,分别。角色紧张的司机饮酒频率和数量由库珀(39),发现在研究青少年的我们,喝的应对与角色压力(或其他)与大量饮酒模式。此外,在这个模型中,有一个机会喝影响饮酒的频率和降低如果父母的角色。这是由Kuntsche和他的同事们(19)在一项大型研究发现,西化的国家,持有更多的角色,包括父母,与酒精消费的减少,通过减少喝酒的机会。

5.2。框架的好处

我们的方法代表了一种新颖的和有前途的技术,知识发现与理论上能够生成模型可判断的机制和可能符合历史的数据模式在复杂社会系统的动态表征。模型发现框架提供了实质性的改进参考模型相比,在降低复杂性的可解释性和改进适合历史观察酒精消费趋势。然而,重要的是,在最后一步中,涉及领域专家解释选项生成的模型。因此我们的技术可以提供新方法发展理论来解释复杂的社会系统。

进一步利用这种方法是理论和数据驱动的。我们使用正式的行为理论和几家大型实证数据通知这两个模型的初始设置(代理人口特征)和explained-population-level饮酒现象是来自一个大型的全国性调查。

这个方法也很灵活。首先,语法可以很容易地修改重新定义搜索方向,引入新的构建块,限制或放松限制,引入不同的方式组合的构建块。可以在语法不改变整个模型发现过程。此外,虽然我们目前的一个案例研究建模饮酒,框架也可以用来解释和理解各种各样的复杂的社会系统的模型。我们的方法很容易适应看替代理论的行为甚至搜索多个理论给小说组合提供一个更好的解释经验数据的趋势。

5.3。限制

这种方法的一个局限是,GGP与原语和modeler提供了它的语法。因此,理论上有意义的和充分的解释性模型可以错过,因为建模者不允许。在我们的案例研究中,协商讨论在GGP识别机会的概念资源封装时间和金钱,影响不同的角色理论机制;包括这些方面明确争议可能会提高模型的解释能力。模式发现是迭代的,问题特定的过程。设计原语,建模者必须决定哪些元素在他们的模型是有趣和相关的研究问题。抽象层次也很重要:较低的抽象级别通常有更多的元素和可能的组合。至于语法的设计,可以找到好的实践工作的尼克洛和Agapitos40]。

此外,并非所有方面的模型被暴露于GGP过程;例如,社会化和选择机制可以是开启或关闭,但方程不能被修改。如果开启社会化,新的性格喝总是由相同的计算;然而,揭露这个GGP可以提供候选人的影响机制过渡角色基础上喝酒的欲望。这也让我们调查在未来模型迭代社会化的影响是否因角色不同而异,所建议的巴赫曼等。22]。

GGP的方法可以产生复杂的模型的理论,需要由领域专家解释。本文从14 nondominated GGP的发现在最后的迭代结构,理论上三被认为是有意义的。更有效的搜索,这将是有益的,如果语法只允许有意义的结构或模型发现过程可以执行的理论意义在其他方面(比如在交叉和变异算子)。然而,之前编码的意义是非常具有挑战性的实现也有丢失的风险由于overconstraining搜索小说的想法。进一步,我们停止了可信模型的发现过程一旦少量已被确认。如果我们继续完善语法,进一步可靠的模型可能是确诊模型,提出降低复杂性或增加在这些现有的模型拟合优度。在retroduction的背景下,这种模式将提供更多的洞察社会角色之间的关系和饮酒。目前,尚不清楚什么是良好的可翻译的理论产量将从发现过程模型。

我们确定了三个定性标准模型的可信度。这些标准源自协商讨论与角色理论案例研究,因此,他们的普遍性还有待验证。我们只有一个单一的领域专家,但多个专家可能提供不同的标准或解释相同的标准是不同的。当我们执行脆二进制分类模型的可信度在搜索过程中,考虑到标准的定性性质,它可能更适合采用多项式和/或模糊的信誉在未来工作的措施。

最后,我们的实现提出的发现过程跳过了调整为新发现的结构参数(步骤6 (c))由于计算的局限性。我们解决这个问题通过允许校准常数作为原语,但这种方法并不丰富完整的校准为每个新结构。这个问题是出现在许多医生工作,特别是在计算昂贵的项目。潜在的解决方案是利用代理模型来近似的健身评价GP (41,42]。

5.4。对复杂系统的建模实践

Retroduction-teasing真正的实体和复杂的相互作用机制,带来了一个具体的现象是有挑战性的。复杂系统模型(csm)尝试这个通常被指控是任意的和/或专制观念的现实。结构性校准避免这个通过广泛的多样性模型保留机理理论的基本元素。复杂系统建模,使用正式的模型来解释具体的现象,应该使用结构性校准的标准建模实践,以同样的方式,数据驱动的建模,使用正式的模型来解释方差的数据模式,考虑一项选择。

然而,自动化结构校准是一个主要的企业。它需要复杂系统建模者(我)认为更多关于ontology-what理论的基本元素是包含在模型吗?和(2)正式描述实体以一致的方式和机制,允许他们以有意义的方式重新结合在一起。帮助,我们开发了一个开源模型发现CSM开发者,部队一个本体论框架专注和提供了一个潜在的正式语言,适合自动结构校准。

这个工作和底层模型发现过程导致ABS的需求标准和建模实践社区。柯林斯et al。43)指出,随着ABS的成熟,许多模拟软件工具(如Netlogo [44和就餐交响曲45]),潜在的标准和协议需要和建议。例如,格林et al。46)设计了奇数(概述、设计概念和细节)协议作为一个通用的和结构化模板来描述基于代理模型更好的沟通和可复制性。另一个例子是UML(统一建模语言)来开发和文档基于代理模型(47- - - - - -49]。也有很多讨论和建议对ABS的不同方面的发展过程。最近提出的软件架构(50),即MBSSM(系统,社会系统建模),设计基于中等范围理论的方法来表达个人社会理论机制在一个统一的方法。这条线的思想后,我们的模型发现过程可以解决有关的协议结构的不确定性。通常确定模型结构,然后校准模型中的参数获取参数的不确定性。我们的工作需要进一步和地址between-model不确定性结构的假设。更重要的是,我们演示了自动化的可行性模型结构发现所包含的理论和经验数据。探索不同的模型结构不仅是价值理论测试也有助于理论探索。

6。结论

在这里,我们提出了一种新颖的方法利用遗传编程技术来发现新的和适应行为理论模型的复杂的社会系统。使用一个案例研究的社会角色理论来通知群体饮酒的机理模型,我们表明,我们的方法可以找到新的理论意义和可判断的机制推动人口酒精使用在一个复杂的系统模型。需要一个人类modeler不可行的时间手工构造一个多样性的不同变化的机制。GP方法变异有助于有效的筛选机制。这个筛选过程可以是重要的,因为不同的实现机制可以产生定性不同模型的输出(51]。小说模型生成的GP方法提供了更好的适合酒精消费数据参考模型,这是由人类modeler代表一个可能的解释作用机制的理论。我们的方法是灵活的,可以很容易地扩展到复杂系统模型,试图解释其他社会现象。我们的方法还提供了小说未来的知识发现和社会理论发展方向,基于数据驱动和theory-driven方法的融合。

现实主义者的一个关键部分的解释是比较和集成多个理论(4]。虽然我们现有的例子是有限的社会角色理论中定义的构建块,没有理由不能定义构件与其他理论。然而,集成这些更广泛的积木,这样就可以利用机器学习,需要一个共同的语言表达的理论。我们看到中等范围理论(52所谓的科尔曼(船)及其实现53),或其他micro-macro计划,作为正式的潜在有用的模板的描述理论和他们的翻译,通过模型发现框架,集成仿真模型。未来的工作将致力于将更多的理论和小说生成的组合多个理论。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

烟草花叶病毒设计原语和实现模型发现过程。AB、CB和RCP的角色模型,设计实现的HB。CB实现了微观分析。一个和CP导致机制的发展。烟草花叶病毒、AB、女士和RCP设计模型发现过程。PS辅助解释的结果。RCP领导的研究及其概念基础。烟草花叶病毒、CB、RCP、女士和写论文。

确认

作者要感谢杰克·e·赫顿初步结构的角色模型的校准工作他在孟进行论文,感谢整个级联团队的输入生成报告的研究更广泛的讨论。RCP还要感谢组织者和参与者的经济和社会研究理事会研讨会系列”复杂性和方法在社会科学中:一个跨学科的方法”(2014 - 2017),刺激思维发达。研究报告在这份出版物是由美国国家酒精滥用与酒精中毒研究所的美国国立卫生研究院(奖。R01AA024443)。这项研究的一部分进行校准代理模拟相结合分析喝病因(级联)项目。

补充材料

补充材料的语法包含三个进化迭代的语法变化日志。补充材料b—结构在帕累托前沿和相应理论的可信度。(补充材料)

引用

1. j·m·爱泼斯坦“基于主体计算模型,生成的社会科学。”复杂性,4卷,不。5,41-60,1999页。视图:出版商的网站|谷歌学术搜索
2. p . Hedstrom“解剖社会:的原则分析社会学,”34卷,2005年。视图:出版商的网站|谷歌学术搜索
3. t·劳森经济和现实劳特利奇,阿宾顿,英国,1997年。
4. b . Danermark m·埃克斯特龙l .雅各布森和j . Karlsson Ch。解释社会:批判现实主义在社会科学劳特利奇,阿宾顿,英国,2002年。
5. r . Boero和f . Squazzoni经验根植性重要吗?对基于代理模型分析社会科学方法论的问题,“人工模拟社会和社会杂志》上,8卷,2005年。视图:谷歌学术搜索
6. f . j . Leon-Medina”分析社会学和基于主体的建模:生成充足足够吗?”社会学理论,35卷,不。3、157 - 178年,2017页。视图:出版商的网站|谷歌学术搜索
7. d·伯恩·g·卡拉汉,复杂性理论和社会科学:艺术的状态劳特利奇,阿宾顿,英国,2013年。
8. c . Gunaratne和i Garibay交替使用遗传规划社会理论发现:对更好地理解人工阿纳萨齐”学报2017年GECCO遗传和进化计算会议ACM出版社,页115 - 122年,柏林,德国,2017年。视图:谷歌学术搜索
9. c . Gunaratne和i Garibay农场发现的因素选择的进化模型人工阿纳萨齐”计算机科学与工程国际研讨会论文集ACM, p。27日,纽约,纽约,美国,2017年。视图:谷歌学术搜索
10. t . m . Vu c . Probst j·m·爱泼斯坦a·布伦南·m·强,和r . c . Purshouse”向逆生成社会科学使用多目标遗传编程,”学报2019年GECCO遗传和进化计算会议,页1356 - 1363,计算机协会,布拉格,捷克共和国,2019年。视图:谷歌学术搜索
11. 诉史密斯”,发展基于个体模型探测燕八哥的羊群行为规则,”人工生命卷,2008年,第568 - 561页,2008年。视图:谷歌学术搜索
12. j .钟l .罗、w . Cai和m·李”自动识别规则基于主体人群通过基因表达式编程模型,”AAMAS卷,2014年,第1132 - 1125页,2014年。视图:谷歌学术搜索
13. r·波里w·b·兰登n . f . McPhee和j·r·Koza一个字段遗传编程指南美国,露露出版社,Morrisville,数控,2008。
14. k . Rodriguez-Vazquez c . m . Fonseca)和p . j .弗莱明”识别结构的非线性动态系统使用多目标遗传编程,”IEEE系统,人,Cybernetics-Part答:系统和人类,34卷,不。4、531 - 545年,2004页。视图:出版商的网站|谷歌学术搜索
15. j . r . Koza遗传规划:在计算机的编程通过自然选择美国马剑桥,麻省理工学院出版社,1992年。
16. r·麦凯,n . x Hoai p . a . Whigham y,和m . O ' neill“基于语法的遗传规划:一项调查,”遗传编程和可发展的机器,11卷,不。3 - 4、365 - 396年,2010页。视图:出版商的网站|谷歌学术搜索
17. b·j·比德尔角色理论:预期、身份和行为、学术出版社、剑桥、马、美国、1979。
18. r . a . Knibbe m . j .下降和a . Muytjens”相关的阶段进展从日常饮酒饮酒问题,“社会科学与医学,24卷,不。5,463 - 473年,1987页。视图:出版商的网站|谷歌学术搜索
19. s . Kuntsche r . a . Knibbe, g . Gmel”社会角色和饮酒:10个工业化国家的一项研究中,“社会科学与医学,卷68,不。7,1263 - 1270年,2009页。视图:出版商的网站|谷歌学术搜索
20. r . w . Wilsnack和r . Cheloha”,女性的角色和整个寿命饮酒问题,“社会问题,34卷,不。3、231 - 248年,1987页。视图:出版商的网站|谷歌学术搜索
21. k山口和d·b·坎德尔,”决议的角色不相容:家庭角色的生活事件的历史分析和大麻的使用,“美国社会学杂志》,卷90,不。6,1284 - 1325年,1985页。视图:出版商的网站|谷歌学术搜索
22. j·g·巴赫曼,p . m . O ' malley j·e·菲特为l·d·约翰斯顿a . l .科比和a·c·Merline在成年早期物质使用的衰落:社会活动的变化,角色,和信仰劳伦斯Erlbaum Associates出版商Mahwah,新泽西,美国,2002年。
23. m·r·李·l·Chassin, d·麦金农”婚姻的影响对年轻人酗酒及其介质:结果从两种调整方法选择进入婚姻,”成瘾行为心理学,24卷,不。4、712 - 718年,2010页。视图:出版商的网站|谷歌学术搜索
24. 美国卫生和人类服务部物质滥用和精神健康服务管理局,行为健康统计中心和质量,国家药物使用和健康调查(NSDUH),纽约,纽约,美国,1979年。
25. 密歇根大学收入动态调查研究中心研究小组(PSID):主要面试密歇根大学安虫媒的,MI,美国,2018年。
26. 曼森,j·施罗德,d . Van成熟和s . RugglesIPUMS国家历史地理信息系统:14.0版本(数据库)IPUMS,明尼阿波利斯,美国,2019年。
27. r .浪子和m·杜蒙特与R空间微观分析查普曼和大厅/ CRC,纽约,纽约,美国,2016年。
28. s . Ruggles洪水,r . Goeken et al .,IPUMS美国:9.0版本(数据集)IPUMS,明尼阿波利斯,美国,2019年。
29. 疾病控制与预防中心、国家卫生统计中心,“死亡率压缩文件,1979 - 1998。疾控中心在线数据库,编译从文件压缩死亡率CMF 1968 - 1988,系列20,不。2、2000和CMF 1989 - 1998,系列20,不。2 e, 2003。视图:谷歌学术搜索
30. 疾病控制与预防中心、国家卫生统计中心,“死亡的根本原因,1999 - 2017年在疾控中心在线数据库,发布的12月,2018年。从多个死因文件数据,1999 - 2017,从57所提供的重要统计数据编译辖区通过重要统计合作项目,1999。视图:谷歌学术搜索
31. 科利尔n和m .北,“平行模拟对高性能计算就餐,“模拟,卷89,不。10日,1215 - 1235年,2013页。视图:出版商的网站|谷歌学术搜索
32. R·卡内尔“lh R包:拉丁超立方样本,”2019年。视图:谷歌学术搜索
33. m·斯坦”的大样本性质使用拉丁超立方体抽样模拟,”技术计量学卷,29号2、143 - 151年,1987页。视图:出版商的网站|谷歌学术搜索
34. m·芬顿j·麦克德莫特·d·费根,s . Forstenlechner m·奥尼尔和大肠Hemberg,”小马GE2:语法进化在python中,“遗传与进化计算会议,17卷,2017年。视图:谷歌学术搜索
35. k . Deb, A .普拉塔普,美国阿加瓦尔和t . Meyarivan”一个快速和精英多目标遗传算法:NSGA-II,”IEEE进化计算》第六卷,没有。2、182 - 197年,2002页。视图:出版商的网站|谷歌学术搜索
36. l . Gell g . Buhringer j·麦克劳德et al .,从让人上瘾的物质和行为决定伤害什么?英国牛津大学出版社,牛津,2016年。
37. j .员工,k·m·格林,j·l·马格斯和katryn Schoon,“家庭喝从青春期到中年,转换和变化”上瘾,卷109,不。2、227 - 236年,2014页。视图:出版商的网站|谷歌学术搜索
38. m·r·李·l·Chassin, d·p·麦金农”角色转换和年轻的成年人成熟的酗酒:更大的影响的证据之间的婚姻更严重的婚前问题饮酒者,”酒精中毒:临床与实验研究,39卷,不。6,1064 - 1074年,2015页。视图:出版商的网站|谷歌学术搜索
39. m·l·库珀”对青少年饮酒动机:四因子模型的开发和验证,”心理评估》第六卷,没有。2、117 - 128年,1994页。视图:出版商的网站|谷歌学术搜索
40. m·尼克洛和a . Agapitos”理解语法演变:语法设计”语法进化的手册c·瑞恩,m·奥尼尔和j·柯林斯,Eds。,pp。23- - - - - -53,Springer International Publishing, Berlin, Germany, 2018.视图:谷歌学术搜索
41. t . Hildebrandt和j . Branke”使用代理人和遗传规划。”进化计算,23卷,不。3、343 - 367年,2015页。视图:出版商的网站|谷歌学术搜索
42. m . Zaefferer j .鹳、o . Flasch和t . Bartz-Beielstein”距离的线性组合措施代理模型在遗传编程,”从Nature-PPSN十五并行解决问题答:钻,c·m·塞卡n . Lourenco p . Machado l . Paquete·d·惠特利,Eds。,页220 - 231,施普林格国际出版,柏林,德国,2018年。视图:谷歌学术搜索
43. A·柯林斯m .小d Vernon-Bido,谢菲,“战斗的号令:标准基于主体建模与仿真,”《人工社会与社会模拟指数,第18卷。p。12日,2015年。视图:出版商的网站|谷歌学术搜索
44. 美国Wilnesky,NetLogo,连接中心学习和计算机建模Norwestern大学埃文斯顿,美国,1999年。
45. m . j .北部,n t·科利尔j . Ozik et al .,“复杂的自适应系统建模与就餐simphony,复杂的适应,”系统模型,卷1,p . 2013。视图:出版商的网站|谷歌学术搜索
46. 诉格林,伯杰,d . l . DeAngelis j·g . Polhill j . gisk和s . f . Railsback”的协议:回顾和第一更新”生态模型,卷221,不。23日,第2768 - 2760页,2010年。视图:出版商的网站|谷歌学术搜索
47. b·鲍尔,j·p·穆勒和j . Odell”代理uml:软件系统指定的形式主义,”软件工程和知识工程的国际期刊,11卷,不。03年,207 - 230年,2001页。视图:出版商的网站|谷歌学术搜索
48. h . Bersini“UML反弹道导弹。”《人工社会与社会模拟指数,15卷,p。9日,2011年。视图:谷歌学术搜索
49. t . m . Vu c·瓦格纳,P.-O。员工看来,“ABOOMS:克服障碍的连续公共物品游戏使用一个基于仿真的方法,”《人工社会与社会模拟指数,p。7日,第22卷,2019年。视图:出版商的网站|谷歌学术搜索
50. A t m . Vu c . Probst尼尔森et al .,”系统,社会系统的软件体系结构模型在基于主体的仿真模型,”人工模拟社会和社会杂志》上,23卷,p。2020。视图:出版商的网站|谷歌学术搜索
51. h . Muelder和t . Filatova”,一个理论——许多主要:测试不同的代码实现能源计划行为理论的基于代理模型,”《人工社会与社会模拟指数,21卷,p。2018。视图:出版商的网站|谷歌学术搜索
52. r·k·默顿在社会学理论美国,自由出版社,纽约,纽约,1967年。
53. j·s·科尔曼,“社会理论、社会研究和行动的理论,“美国社会学杂志》,卷91,不。6,1309 - 1335年,1986页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020盯上了m . Vu et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。