论文部分内容阅读
目前，大部分多智能体扩散建模研究聚焦于细化扩散理论，如探索个体异质性、关键节点和网络结构对宏观扩散的影响，或基于多智能体模型研究具体社会经济扩散现象。这些研究关注于“前向建模问题”，即在构建多智能体扩散模型的基础上，分析参数变动对系统输出的影响。但是，由于缺少实证输出效度验证，它们并没有定量解释或预测具体扩散现象。在正确构建多智能体扩散模型的基础上，需进一步寻找解释具体社会或经济扩散现象的模型空间，这属于“反向建模问题”，也是本文的主要研究问题。 本文围绕“多智能体扩散模型预测宏观层扩散数据”过程中遇到的问题组织研究内容，即包括:如何合理构建多智能体扩散预测模型？用于预测目的时，多智能体扩散模型与经典宏观模型有何关系？如何对多智能体模型进行经验数据验证？如何推断生成宏观层扩散数据的潜在影响网络结构？这些问题的解决将为多智能体扩散模型的实证效度检验提供有力工具，从而为新产品扩散预测提供新方向，具有重要理论和实践意义。本文主要研究内容与结论如下: 随机有序异步状态更新规则。多智能体模型的状态更新规则通常被默认为同步，但大部分现实自然和社会系统遵循异步状态更新规则。已有文献也发现状态更新规则的异步性对系统扩散动力学行为有显著影响。然而，目前尚无实证或实验研究探索这种异步性的性质。为此，基于相关系数定义了状态更新一致性指标，并以随机无序更新规则下的序列一致性频率分布为基础，判断异步状态更新规则的性质。最后，应用所构建方法评估了现实社会系统的状态更新性质。结果发现，大部分系统的状态更新规则具有随机有序性。研究结论可帮助更深入地理解社会系统动力学过程，对多智能体建模具有一定启示。 基于异步状态更新规则的多智能体扩散模型。为检验状态更新异步性对宏观扩散的影响，以四种经典个体决策机制—SIS模型、阈值模型、反协调博弈模型和Bass模型—为基础构建了多智能体扩散模型。利用仿真实验方法对比了同步更新规则、随机异步更新规则和有序异步更新规则下的多智能体模型扩散。结果发现:1）对于SIS决策规则多智能体模型，相对于异步更新规则，同步更新规则下达到的扩散均衡值更大，而不同异步状态更新规则下的扩散均衡值之间无明显差异;2）对于阈值模型决策规则多智能体模型，状态更新规则的差异不影响最终扩散规模;3）对于反协调博弈模型决策规则多智能体模型，同步状态更新规则和随机异步状态更新规则下的扩散均衡值相等，异质度分布网络中，两种有序异步状态更新规则下的扩散均衡值之间存在明显差异;4）对于Bass决策规则多智能体模型，异步状态更新规则比同步更新规则下的扩散过程更快达到完全扩散，而异步状态更新规则之间并不存在显著差异。 多智能体模型与宏观模型的比较。作为预测模型时，多智能体模型的参数估计值和预测结果受网络结构配置的影响。然而，这种影响并未受到学者们的关注。为此，设计了仿真实验以系统地探索该问题。首先，基于不同网络构建多智能体扩散模型，针对不同多智能体扩散模型输入一定数量的个体层参数组合，从而生成扩散数据集;然后，利用宏观层扩散模型拟合这些扩散数据集，并得到了对应的宏观层参数估计值;在此基石出上，进一步分析个体层参数与宏观层拟合值之间的关系。结果发现，宏观模型可很好地解释大部分多智能体模型扩散数据集，然而会高估模仿系数，低估网络规模。此外，基于线性模型分析两类参数之间的相关性，发现宏观层拟合值可很好地线性解释个体层参数。进一步仿真实验发现，宏观模型低估了大部分多智能体模型扩散过程。 一种面向多智能体模型的经验数据验证方法。多智能体扩散模型的有效性验证问题备受关注，当前研究主要从微观效度、宏观效度、输入和输出效度等四方面验证多智能体模型的效度。然而，大部研究中的输出效度验证不包含经验数据验证，从而限制了多智能体模型的应用范围。多智能体模型参数估计算法的低效性是造成该现象的主要原因之一。为此，基于宏观模型与多智体模型之间的关系，以及多智能体模型扩散率曲线与网络规模的不相关性，构建了一种针对多智能体模型参数估计的高效寻优算法和一种参数估计方差近似计算方法。通过模拟实验发现，相对于传统搜索算法，所构建的寻优算法更高效且具有一致性;近似参数估计误差与“真实值”处于同一数量级。最后，将该寻优算法应用于多智能体模型与经典宏观层扩散的拟合。结果发现，多智能体模型和宏观模型的拟合优度并无显著差异。 基于潜在影响网络判别的新产品扩散预测。网络结构是影响扩散过程的重要因素之一，而宏观层扩散模型并不能灵活包含该因素。为此，构建了可包含任意网络结构的多智能体扩散模型，并基于它们对宏观扩散序列的解释力和预测力构建了潜在网络结构判别指标。然后，基于Logistic模型构建起二个判别指标与潜在影响网络类别之间的关系。通过模拟实验发现，所构建的判别模型可很好地预测扩散序列的潜在影响网络类别，但较难区分由相似网络产生的扩散序列。为此，提出基于各多智能体模型预测的加权平均预测新产品扩散。最后，基于大量产业层耐用品扩散数据验证所构建方法。实证结果发现，大部分扩散序列对应的潜在影响网络近似为“随机规则网络”，而小部分为格子网络或者度分布方差很大的随机网络;此外，相对其它预测方法和经典模型，加权平均预测方法具有最优短期或长期预测表现。 本文响应了Rand&Rust(2011)对多智能体模型效度严格证实的要求，同时也在一定程度上突破了多智能体模型的传统应用范围，具有重要理论和实践贡献: 第一，引入相关系数定义状态更新序列一致性指标，并基于Monte-Cado模拟构建判定状态更新规则性质的方法。然后，将该判定方法应用于二阶段任务更新实验数据。结果发现，其中大部分社会系统的状态更新规则具有随机有序性。该发现可为多智能体扩散模型状态更新规则的设置提供借鉴。 第二，设计仿真实验分析了状态更新规则对多智能体模型扩散过程的影响。结果发现，大部分多智能体模型的状态更新规则将显著影响扩散速率和均衡状态。该发现说明了正确设置多智能体模型状态更新规则的重要性。 第三，从“反向建模问题”视角对比分析了多智能体模型与宏观扩散模型。结果发现，宏观扩散模型可很好地解释多智能体模型，但其参数估计值和预测趋势存在系统性偏差。该结果对创新扩散理论具有一定参考意义。 第四，设计了一种包含高效参数寻优算法和参数估计值统计推断方法的多智能体模型经验数据验证方法。该方法构建于宏观模型与多智能体模型关系基础之上，为多智能体扩散模型的实证输出效度验证提供了有力工具。 第五，提出了一种用于鉴别宏观扩散数据下的潜在影响网络的判别模型，并将其应用于分析实证国家层耐用品扩散序列。结果发现，大部分扩散序列下的潜在影响网络近似于随机规则网络，而小部分为格子网络或者度分布具有很大方差的随机网络。该发现可帮助从复杂网络动力学视角理解现实耐用品扩散现象。此外，在判别潜在影响网络基础上构建了三种方法预测新产品扩散，分析发现该方法的预测表现优于经典模型。因此，该方法可帮助企业制定更加合理的管理决策。 最后，本文所构建的大部分多智能体扩散模型采用了基于Bass模型理论框架的个体决策规则。该理论基础源于经典扩散模型，但在具体应用时不可避免地存在着诸多局限性。因此，未来研究可根据实证扩散数据的特点，从个体异质性、网络结构和个体采纳规则等方面扩展本文构建的模型和方法。