Példa:Jövőkutatás:Online vita XIII.
Vág András avag_worldinfigures_org@mail.datanet.hu
Multiágens szimuláció a jövőkutatásban
Bevezetés
Az utóbbi 5-10 évben folyamatosan növekszik a multiágensek modellek szerepe a szimulációs eljárások között. A multiágens-modellezést többféle elnevezéssel illeti az angol nyelvű szakirodalom (például Multi-Agent Simulation – MAS, Agent-Based Simulation – ABS, Agent-Based Modelling – ABM stb.). Társadalomtudományi felhasználás esetén leggyakrabban az Agent-Based Social Simulation (ABSS) kifejezést használják.
Az ágenst a valóságos világban dolognak, tárgynak, szubjektumnak is szoktunk nevezni. Állat, ember, emberek csoportja ugyanúgy lehet ágens, mint egy robot, egy szoftver vagy egy egyszerű eszköz, például egy termosztát. Az ágensek tekinthetők speciálisan kibővített objektumoknak, amelyek az objektumokhoz hasonlóan absztrakciós eszközök, valamint a programok építőkövei.” (Futó [1999] 964. old.) Az ágens az „inger-reakció” modell alapján működik, érzékeli a környezetét és a tulajdonságai, belső függvényei szerint reagál rá, vagyis valamilyen módon beavatkozik környezetébe. Elég egyfajta inger és egyfajta reakció ahhoz, hogy ágensről beszéljünk. Gyakorlatilag – természetesen – ennél többről van szó. A környezet az a „közeg”, amelyben az ágensek léteznek, működésük egyik fontos meghatározója, „háttere”, kerete. A környezet tehát nem több, mint egy speciális ágens, melynek tulajdonságai és tulajdonságainak értékei sajátságosan különböznek a többi ágenstől. Ezenfelül az egyedi ágens számára a többi ágens is a környezet része. Minden ágens autonóm módon működik.
A reaktív ágenseknél fejlettebb intelligenciával rendelkező ágenseket kognitív ágenseknek nevezik. Ezek magasabb szinten képezik le a körülöttük levő világ egy részét és cselekvéseiket ennek függvényében végzik. A kognitív ágensek – röviden összefoglalva – „ágenspszichológiával” rendelkeznek, azaz képesek környezetük és a többi ágens működési modelljének belső reprezentációjára. Cselekvésekké kognitív képességeiket az intelligens ágensek egyik szemléletes metafórája, a „képzetek–vágyak–szándékok” szerinti működés alakítja, jelesül, hogy képzetük, tudásuk van a világról (de ez lehet téves is); rövid távú céljaik (vágyaik) vannak, melyek elérésére törekszenek; és terveik, elképzeléseik vannak arról, hogy ezeket a célokat elérjék. Ezeket a jellemzőket természetesen az ágensek programozott reprezentációi hordozzák.
Multiágens rendszerekről beszél a szakirodalom akkor, ha egy modell több ágensből épül fel. A multiágensrendszerek többféle módon tipizálhatók. Az egyik lehetséges csoportosítás két típust használ. Az egyikbe azok a modellek tartoznak, amelyekben viszonylag kevés ágens szerepel, de azok meglehetősen intelligensek, a másikban olyan modellek vannak, amelyekben sok az egyforma ágens, de azok nem túlságosan intelligensek, csak néhány egyszerű feladatra képesek. Ez utóbbiak az eddig megalkotott multiágens alapú társadalomtudományi szimulációkban sokkal elterjedtebbek.
A multiágens modellek működése és egyszerű alkalamzásai
A társadalmi viselkedést szimuláló multiágens modellek működése legfőbb jellemzőinek ismertetése előtt célszerű egy pillantást vetni az 1. ábrára, ami egy fiktív multiágens modell alapvető elemeit és elnevezéseit mutatja. Az ábrán egy olyan „világ” látható, melyben négyzetháló alakú környezetben különféle ágensek mozognak (a példán férfiak és nők). Az ágensek viselkedését a beépített belső működési függvények irányítják. Az ágensek egymással is kapcsolatba kerülnek, amit az ábrán vonalak jelölnek.
1. ábra: Multiágens világ és szereplői
Egy multiágens modellben több száz vagy ezer ágens „él”, működik párhuzamosan egymással szimultán kölcsönhatásban. Ez a folyamatos kölcsönhatás a működés legfőbb jellemzője. Mint ahogy a valóságos világban, úgy a multiágens modellben is az egyik kulcskérdés, hogy ki kivel lép valamilyen kölcsönhatásba és mi ennek a kölcsönhatásnak a lényege. Ez a kiindulópontja minden számításnak, magyarázatnak, elméletnek. A számítási kapacitások és sebességek további bővülésével és gyorsulásával olyan nagyságrendű ágenskapcsolat szimulálható, mely messze meghaladja elképzeléseinket. A szimulációs programok általában vizuálisan is megjelenítik a modell világát a számítógép képernyőjén. Egyszerű esetekben ez egy négyzet, melyben az ágensek a függvényeik által determinált feladatokat végzik. Egyes állapotaik, a hatékonyabb problémaprezentáció érdekében, jól látható módon jelennek meg, például mozognak vagy megváltoztatják színeiket. Az összekapcsolódások alkotják a modell struktúráját. Az ágensekkel foglalkozó szakirodalomban legtöbbször külön kezelik az ágensek működésének és az együttműködések hálójának (interakció-topológiának) specifikációját.
A multiágens szimuláció az események különféle történeteit állítja elő. Az ágensek tulajdonságai időpillanatról időpillanatra lépve határozódnak meg vagy „állítódnak be”. A tulajdonságok konkrét értékeit az ágensmodellben a számítógépes program számítja ki. Az időlépések a konkrét problémától, feladattól, rendelkezésre álló adatoktól függően változhatnak. Minden időpillanatban az összes ágens érzékeli a korábbi időpillanatban képződött „ingereket” mint függvénybemeneteket és előállítja a „reakciókat” vagyis a függvénykimeteket a következő időlépés számára. Egy szimulációs programfutás tehát egy eseménytörténet előállítása mind az egyedi ágensek, mind a totalitás, a teljes struktúra szintjén.
A kollektív viselkedés emergenciája – az új megjelenése a régi struktúrában – szimulálásának képessége a multiágens-modellezés egyik legnagyobb előnye. A multiágens-modellezés társadalomtudományi alkalmazásának irodalma sokat foglalkozott az emergencia kérdésével és jelentős mértékben kibővítette a fenti definíciót. Cariani az újdonságok keletkezésének három lehetőségét különbözteti meg: a számításon alapuló, a termodinamikai és a modellhez viszonyított emergenciát. (A „számításon alapuló” emergencia a helyi, indiviuális viselkedésekből kialakuló új, csoportos viselkedési formák megjelenésével kapcsolatos, mint például a tömeg mozgása és a káosz. A „termodinamikai” emergencia a káoszból a zajból létrejövő rendezettséggel foglalkozik, mint például az élet létrejötte. A „modellhez viszonyított” emergencia olyan folyamatokat ír le, melyekben az egyedeknek – a rendszerhez való alkalmazkodás érdekében – meg kell változtatniuk saját viselkedésüket. (Cariani [1992] 776. o.) Ez utóbbi értelmezés az evolúciós változások szemléltetésére alkalmas.)
Egy nagyon egyszerű és a szakirodalomban sokszor idézett példaként álljon itt Schelling egyik híres etnikai szegregációs modellje, melyben a családok lakásválasztási szokásait nézte városi környezetben. A vizsgált időszakban már a növekvő etnikai tolerancia volt jellemző Amerikára. A modell kiinduló feltételezése az volt, hogy ha a szomszédok bőrszíne számít a lakásválasztásban, akkor még ha az egyének tolerálják vagy egyenesen támogatják is az integrációt, akkor is kialakul az etnikai szegregáció. Az ágenseket úgy programozták, hogy „saját” környezetükbe költözzenek, ha nem voltak „elégedettek” környezetükkel. Akkor voltak „elégedettek”, ha adott sugarú körben szomszédaiknak legalább X százaléka velük egyező „bőrszínű”. Ha egy fehér ágens új helyre költözött, akkor ezzel megnövelte a fehérek arányát az új helyén és ez onnan elköltözésre késztetett egy fekete ágenst. A program futásakor – kiinduló paraméterektől függően – vagy előbb-utóbb beállt egy stabil állapot, vagy instabil maradt, és az ágensek örökösen „költöztek”. Az eredmény egyértelműen azt jelezte, hogy már kismértékű intolerancia is létrehozza a szegregációt (Schelling [1971]).
A 2. ábra a modell futási eredményét ábrázolja. A képen látható „foltok” az adott városrész különböző bőrszínűek által lakott részeit jelentik. Szimuláció közben a kép folyamatosan változik, az adott bőrszín-összetételnek megfelelően, úgy, mintha műholdfelvételről néznénk felgyorsítva az évek alatt lejátszódó folyamatot. Az ábra jobb oldalán a lakóhelyükkel elégedettek és elégedetlenek arányainak időbeni változása látható.
2. ábra: Schelling szegregációs modellje
Egy multiágens modell még teljesen egyforma induló feltételek mellett sem adja mindig pontosan ugyanazokat a futási eredményeket. Az eltérések az ágensek spontán viselkedéseiből fakadnak. Különböző induló feltételek mellett viszont az események története gyökeresen különbözhet. Látszólag egyszerű eltérések is (például az ágensek számának növelése) jelentős különbségeket okozhatnak. A szimuláció során számos kezdeti feltételt – „ha-akkor” típusú kérdésfeltevést – ki lehet próbálni. A modell lehetséges vagy érdekes kezdeti feltételeit sorra, egymásután kipróbálva, számos eseménysort kapunk futási eredményként. A szimulációk halmaza, a kvantifikált eseménysorok együttese az eseménytér. Ezeket az eseménysorokat a multiágens modellek diagramokban, egyéb vizualizációs megoldásokban vagy táblázatokban mutatják.
A multiágens modellezés lehetőségei a tudományban
A szimulációt Kelly után általában a tudomány harmadik módszerének tekintik (Kelly [1998]). Hogy mi az első kettő – elmélet és gyakorlat vagy indukció és dedukció – az nézőpont kérdése. A kutatók a dedukciót arra használják, hogy az adatokból és feltételezésekből elméleteket építenek, az indukciót pedig arra, hogy az empirikus adatokból mintázatokat, szabályokat fedezzenek fel. A szimuláció azonban – szemben a dedukcióval – nem bizonyít vagy hoz létre elméleteket, hanem új adatokat állít elő az induktív elemzés számára. Mindamellett a szimulált adatok – szemben a tipikus indukcióval – pontosan specifikált feltételezésekből származnak, függetlenül attól, hogy azok tényleges vagy hipotetikus rendszerre vonatkoznak. A szimuláció tehát mind alkalmazásaiban, mind céljaiban különbözik a dedukciótól és az indukciótól. A szimuláció ellenőrzött számítógépes kísérletek révén a rendszerek mélyebb megértését teszi lehetővé. A multiágens-modellezést ebből következően, a mesterséges intelligencia eszközeivel létrehozott társadalomtudományi laboratóriumi kísérleti eszköznek lehet tekinteni.
Ha az ágensek embereket vagy ökoszisztémákat reprezentálnak, akkor a kisérletezéshez az ágensek olyan viselkedési programokat kapnak, illetve a modellek úgy épülnek fel, hogy olyan tulajdonságokkal rendlkeznek, mint például a gondolkodás, az evolúció, az adaptáció és a kooperáció. Bár a nagyon egyszerű elveken működő, reaktív ágensek együttese is képes komplex jelenségek szimulációjára és új struktúrák létrehozására, a cél mégis számos kutató számára az, hogy minél összetettebb legyen az ágensek gondolkodása, minél több intelligens funkcióval rendelkezzenek, egyszóval minél „okosabbak” legyenek az ágensek. (A gondolkodó, célorientált, autonóm, tanuló, kommunikatív és együttműködő viselkedést reprezentálni képes ágensek számítógépes modelljei számos kérdést vetnek fel a kognitív tudomány számára. Szó sincs természetesen arról, hogy azt hinné bármelyik multiágens-modellező, hogy egy ágens az emberi gondolkodás komplexitását közelíteni tudná.) Az evolúciós modellek lényege, hogy utánozzák a biológiai vagy kulturális evolúciót, amihez kiválasztódást szimulálnak, új tulajdonságokat vezetnek be, mutációkat generálnak, stb. Az adaptáció az evolúciós modellek egy tulajdonsága. Az adaptív ágensnek négy fő eszköze van: reakció, gondolkodás, tanulás, fejlődés. A kooperációt, a kölcsönösséget, az önzést és az altruizmust mint különféle egyéni viselkedésformákat modellezési szempontból először a játékelmélet vizsgálta kiterjedten. A figyelem eleinte a kétszemélyes játékokra és ezek stratégiáira összpontosult, a későbbiekben a közgazdasági modellezés, különösen az ún. „ágens alapú gazdasági számítások” (Agent-based Computational Economics – ACE) vagy „ágens alapú gazdasági szimuláció” kezdett foglalkozni ezekkel a témákkal.
Multiágens-modellek készítése
A multiágens modell a valódi világ egy szeletének vagy egy fiktív modellnek számítógépes reprezentációja. A multiágens modell tehát egy különféle algoritmusokra épülő, működő szoftver, mely ágensekből, környezetből és tudásbázisból épül fel. Minden társadalomtudományi szimuláció, minden multiágens alkalmazás szoftverágensekből épül fel. A szoftverágensek különféle algoritmusok szerint működő számítógépes program-részek. Egy szoftverágens lehet egy néhány soros egyszerű program, de akár több tízezer sorból álló bonyolult algoritmus is. Multiágens modell készítésére néhány ismert programozási technika (például a Java) kiválóan alkalmas. A modelleket legtöbbször kifejezetten erre a célra létrehozott „modellfejlesztő környezetben” készítik. Ezek tulajdonképpen modellépítő vagy programíró programok, melyek utasításkészletei, grafikus interfészei és sok más egyéb eszközei kifejezetten a modellkészítés céljaira készültek. A programozáshoz némi gyakorlat szükséges. Több népszerű ágensmodell-készítő program található az interneten. Számuk több tucat, legismertebbek a SWARM, a Repast, a Mason, a SimAgent, a Cormas és a Netlogo. Használatukkal olyan programok írhatók, melyek a képernyőn mozgóképeken mutatják a két- vagy háromdimeziós térben lejátszódó folyamatokat. A vizualizációt segítő további „dimenzió” a szín. Ezeket idődiagramok és különféle statisztikák egészítik ki.
A modellkoncepció kialakítását a multiágens modellek programozása követi. Ennek során be kell állítani az ágensek függvényeit (változóit), a környezet jellemzőit, a különféle paramétereket, a futás és az eredmények megjelenítésének (animációk, diagramok stb.) módjait és a kezdeti állapotokat. A futási eredmények megjelenítései és értelmezései több szempontból különböznek a különféle egyenletekre épülő vagy rendszerdinamikai modellektől. A folyamatok általában a számítógép képernyőjén mozgásukban láthatók. Egyszerűbb esetekben, például egy négyzetes „világban” való különféle ágenstevékenységek (szétterjedések, diffúz folyamatok stb.), bonyolultabb – például ökológiai – modellekben az adott régiót, természeti jellegzetességeinek mozgásait, színekkel vagy szimbolikus alakzatokkal ábrázolva.
A futási eredmények ábrázolhatóságának legnagyobb előnye az, hogy a jelenségek „mozgásai” ábrázolásához, az emergencia, inercia stb. bemutatásához számos vizuális eszköz áll rendelkezésre. Mód van továbbá diagramok generálására, statisztikai elemzésre, érzékenységelemzésre és végül, de nem utolsósorban összekapcsolódásra más programokkal, például geográfiai információs rendszerekkel. Szükség esetén a modellek átparaméterezhetők és újrafuttathatók, a paraméterek különféle szempontok szerint optimalizálhatók. Ez a flexibilitás a kvalitatív technikák bevonását (szcenárió módszer, foresighting) is lehetővé teszi.
Jövőkutatási alkalmazások
A multiágens modelleket jelenleg három fő területen használják: demonstrációs és oktatási célokra; konkrét problémák szimulációjára pl. döntéselőkészítési folyamatban; és a. participatív modellezésben. A demonstrációs és oktatási célokat szolgáló modellek ágensei nagyon egyszerűek. Sokan mutatják be a „hangyatársadalmat”, a „tömeget”, melyeket – jobb elnevezés hiányában és alkalmazkodva a szokásos címkéhez – „viselkedési modelleknek” neveznek. Ezek szemléletesen mutatják egy közösség nem koordinált, hanem az egyedek kapcsolataira épülő együttes mozgását, mint például a madárraj repülését. A modellek ezen körét mesterséges társadalmaknak hívja a szakirodalom. A felhasználás másik, egyre nagyobb részarányban megtalálható része, a valós társadalmi folyamatok szimulációja. Konkrét alkalmazási területei közül leggyakoribbak az üzleti élet, a tág értelemben vett gazdaság, az ökológia és természeti környezet, a szervezetek, a politika, a társadalom, a szállítás, az urbanizáció és ezek kapcsolatai. A társadalmi szimulációk hatékonyabbak, ha a potenciális felhasználók és az érintettek bekapcsolódnak a modell specifikációjába, tervezésébe, tesztelésébe és használatába. Az eljárás haszna, hogy megkönnyíti a problémát érintő adaptív tanulási folyamatokat és hatékonyabbá teszi a decentralizált közösségi (kollektív) döntési és menedzselési folyamatokat. A multiágens-modellezés erre igen alkalmas flexibilitása, nagyfokú vizualitása és könnyű programozhatósága miatt.
A multiágens-modellezés jövőkutatási alkalmazásainak további lehetséges csoportosítása a modellek alanya alapján történik. Szimulálható például az egyének és háztartások viselkedése; a szervezetek belső működése; a szervezetek kapcsolatai és az államok kapcsolatai is. További típusok képezhetők a vizsgált folyamatok tárgya, jelentése szerint (pl. konfliktusok, hatalom, agresszió, mintakövetés, közlekedés, betegségek terjedése, evolúció, árvizek hatásai, politikai beállítódás változásai, üzleti stratégiák kölcsönhatásai stb.) További különbségképző szempont lehet az ágensmodellek bonyolultsága és mérete. Az egyik irányzat szerint a legfontosabb mozzanatok kiemelésével és a többi elhanyagolásával minél kisebb és minél egyszerűbb, de annál pontosabb modelleket kell készíteni, a módszer tehát tudományos és nem „társadalmi mérnöki”. A másik álláspont szerint a valóság pontosabb modellezése érdekében igyekezni kell minél nagyobb tudásbázisokat, minél bonyolultabb ágenseket létrehozni. Ilyen módon a multiágens-modellek az előrejelzésekben is hatékonyan alkalmazhatók.
A módszer alkalmazási területei közül kiemelkedik a gazdaság és piac, a politika, a geográfia és az ökológia. A hagyományos közgazdasági elméletek többségében egyensúlyi állapotban működő, ideálisan viselkedő résztvevőkkel dolgoztak. A dinamikusan változó helyzeteket és a heterogén résztvevőket ezekkel a statikus és homogén módszerekkel nem lehetett kezelni. A problémára adott egyik válasz a multiágens alapú gazdasági és piaci modellek bevezetése. Ez a módszer a gazdaságot autonóm, interaktív, tanulni képes ágensek fejlődő rendszerének, vagyis a komplex adaptív rendszerek egyik alkalmazási területének tekinti. A szervezetek egymás közötti kapcsolatai elsősorban a cégek piaci viselkedését szimuláló multiágens modellekben jelennek meg. Ezekben az esetekben is viszonylag könnyű megtalálni az elméleti és empirikus alapokat a közgazdasági szakirodalomban. A piaccal foglalkozó modellkészítők az elméleti konstrukciók szimulációi mellett konkrét szektorok, termékek és szolgáltatások piaci jellemzőinek, továbbá a vevők és eladók viselkedésének szimulációjával foglalkoznak. Az elvi szinten felmerülő problémákat (néha hipotézis-ellenőrzéssel) elemző multiágens-szimulációk kedvenc témái az üzleti folyamatok modellezése, a tárgyalási stratégiák és „alkudozások” modellezése, különféle játékelméleti koncepciók összehasonlítása, döntések és elvárások hatásainak vizsgálata, a tanulási képességekben rejlő lehetőségek kihasználása stb. Az alkalmazások körében a legnépszerűbb téma a pénzpiac, a tőzsde, de emellett más kérdések is gyakran megjelennek, mint például a vállalatok együttműködése, a komplex gyártási folyamatok és ellátórendszerek szimulációi, a fogyasztói szokások vizsgálata stb.
A társadalom nagy csoportjai és az államok és a politikai magatartás szintén gyakran jelennek meg a multiágens-modellekben. A téma legtöbbször a nemzetközi kapcsolatok, a kereskedelem és a politikai konfliktusok.
A geográfia és az ökológia szinte „adja magát”, mivel az ágensmodellek működését gyakran folyamat közben, a számítógép képernyőjén láthatjuk. Az események ilyenkor térben zajlanak, így a geográfiai és ökológiai alkalmazások elég gyakori témái az ágensmodellezésnek. A társadalmi folyamatok, például mobilitás vagy ökológiai problémák esetében az ember és természet kölcsönhatásának folyamatai megjeleníthetők. Egy ilyen többszintű modell elméleti felépítését mutatja a 3. ábra. Látható, hogy az egyes szintek önmagukban is és kölcsönhatásaikban is szimulálhatók.
3. ábra: Többszintű multiágens modell sémája
Az ágens alapú ökológiai modellek aránya, a többi ökológiai modell mellett lassan, de biztosan növekszik. Sajátosságuk, hogy nem „tisztán” ökológiai modellek, hanem összekapcsolódnak egyéb jelenségekkel, kérdésfeltevésekkel is, így például a területek (földek) hatékony használatával, a környezetvédelemmel, a természeti katasztrófákkal és így tovább. Némely ágens alapú ökológiai modell egyszerű és oktatási célokat szolgál (lásd: „manchesteri pillangók”), mások igen bonyolultak és valós problémák megoldásához járulnak hozzá.
A módszer értékelése a jövőkutató szempontjából
Igen valószínű, hogy a multiágens szimuláció a tudományban, az oktatásban és a döntéshozatalban a következő évek, évtizedek népszerű eljárása lesz. Ezt az előrejelzést a módszer alábbi tulajdonságai garantálják:
• Multiágens modell elkészítése nem túlságosan bonyolult feladat, ezért széles körben használható. Viszonylag egyszerűen működő ágensekkel is öszzetett viselkedések szimulálhatók. Egyszerűen programozott ágensekkel is létrehozhatók egyébként nehezen áttekinthető vagy egyáltalán nem előrelátható struktúraváltozások. • A jövőkutatás nem tekinti megoldottnak az ún. mikro– és makroszint összekapcsolódását, vagyis annak magyarázatát, hogy a különböző szintek elméletei (pl. pszichológia és szociológia) miként kapcsolhatók össze valamilyen „egyesített” ember–társadalom elméletbe. (ezzel a problémával foglalkoztak az ún. „középszintű elméletek”). Szemben a társadalomtudományban tipikus „felülről lefelé” történő megközelítéssel, a multiágensfilozófia „alulról felfelé” építkezik vagyis a szimuláció során egyrészt azt nézik, hogy milyen időben változó tulajdonságokat mutat az ágensek összességének dinamikája alapján a társadalom, másrészt a társadalom emergens tulajdonságai (pl. az új normák) miként hatnak az egyénre. • A multiágens-modellek tehát dinamikus, nem egyensúlyi rendszerek modellezésére alkalmasak. A differenciálegyenleteken vagy rendszerdinamikán alapuló modellektől többek között abban különböznek, hogy alkotóelemei a működés közben tanulni és a környezethez alkalmazkodni, vagy azt innovatív módon befolyásolni, aminek következtében, - a visszacsatolás folytán - viselkedésüket folyamatosan változtatni képesek. • A modell-készítő programok flexibilitása, kiterjeszthetősége és változtathatósága tovább növeli a multiágens modellek népszerűségét. A fejlesztő környezetek oly mértékben segítik a felhasználókat, hogy könnyedén, akár percek alatt, megváltoztatható a modell kódja, új modulokat lehet bekapcsolni, régieket kiiktatni, új összefüggéseket létrehozni és így tovább.
A multiágens-modellek hátrányai közül viszonylag keveset tárgyalt eddig a szakirodalom. Leggyakrabban talán a modellek verifikációjának vagy validitásának problémáit említik. Az utóbbi években a modellezők és a matematikai statisztikusok egyre nagyobb figyelmet szentelnek ezeknek a kérdéseknek.
Felhasznált irodalom:
1. Carpiani, P. [1992]: Emergence and artificial life. In: Langton, C. G. – Taylor, C. – Farmer, D. – Rasmussen, S. (eds.): Artificial life II. Santa Fe Institute studies in the sciences of complexity. Addison-Wesley, Redwood City, 775–797. o. 2. Futó I. (szerk.) [1999]: Mesterséges intelligencia. Aula Kiadó. Budapest. 3. Kelly, J. [1998]: The third culture, Science, 279, 992–993. o. 4. Schelling, T. C. [1971]: Dynamic models of segregation, Journal of mathematical sociology, Vol. 1, No. 1, 143-186. o. 5. Schelling, T. C. [1978]: Micromotives and macrobehavior. W. W. Norton. New York. 6. Vág, A. [2004]: First generation multi-agent models and their upgrades, Journal of Interdisciplinary Description of Complex Systems, II. évfolyam, 1. szám, 95-105. o. 7. Vág A. [2006]: Multiágens modellek a társadalomtudományokban, Statisztikai Szemle, LIIIIV. évfolyam, 1. szám, 25-52 o. 8. Wilensky, U. [1998]: NetLogo Segregation model; Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston. Internet:. http://ccl.northwestern.edu/ netlogo/models/Segregation.
Vág András (közgazdász-szociológus), kutató, EU FP6. kutatási projekt-koordinátor, külsős óraadó a Budapesti Corvinus Egyetem Jövőkutatás Tanszéken. Érdeklődési kör: jövőkutatás, makro- és mikroszimuláció, statisztika, környezeti problémák, migráció, piac- és közvéleménykutatás
A tanulmány a T 048539. sz. OTKA keretében készült.
