Kalibrierung Agenten-basierter Simulationen

305 Pages·2011·2.05 MB·German

Kalibrierung Agenten-basierter
Simulationen
DissertationzurErlangungdes
naturwissenschaftlichenDoktorgrades
derJulius–Maximilians–Universita¨tWu¨rzburg
vorgelegtvon
ManuelFehler
aus
Karlsruhe
Wu¨rzburg,2010
Eingereichtam: 01.12.2010
beiderFakulta¨tfu¨rMathematikundInformatik
1.Gutachter: Prof.Dr.FrankPuppe
2.Gutachter: Dr.habil.FranziskaKlu¨gl-Frohnmeyer
Tagdermu¨ndlichenPru¨fung: 08.07.2011
MeinbesondererDankgiltmeinenBetreuern,meinemDoktorvaterProf.Dr.FrankPuppeund
meinerZweitgutachterinDr.habil.FranziskaKlu¨gl-Frohnmeyer,fu¨rihreUnterstu¨tzungbeider
ErstellungmeinerArbeit.
Fu¨rIsabelleundDieter,meineliebenEltern,undmeineLiebste,Katja.

Inhaltsverzeichnis
1 Motivation 9
1.1 Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 DasallgemeineKalibrierungsproblemfu¨rABS . . . . . . . . . . . . . . . . . . 9
1.3 ExistierendeKalibrierungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 ABS-spezifischeProblemeexistierenderKalibrierungsverfahren . . . . . . . . 11
1.5 ZielederArbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 AufbauderArbeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
I Einfu¨hrung 17
2 Agenten-basierteSimulation(ABS) 19
2.1 VerteilteKu¨nstlicheIntelligenz . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Simulationsparadigmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Agenten-basierteSimulation(ABS) . . . . . . . . . . . . . . . . . . . . . . . . . 29
3 AllgemeineKalibrierungundStandderForschung 37
3.1 KalibrierungvonSimulationen . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 StandderForschung:BlackBoxSimulationsoptimierung . . . . . . . . . . . . 53
3.3 StandderForschung:AutomatischerModellentwurf . . . . . . . . . . . . . . 69
4 ABSKalibrierungsproblemundStandderForschung 71
4.1 KalibrierungsproblemeinABS . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5 ABSKalibrierung:StandderForschung 85
5.1 StandderForschung:KalibrierunginABS . . . . . . . . . . . . . . . . . . . . . 85
6 AnforderungenanVerfahrenzurABS-Kalibrierung 97
6.1 AllgemeineAnforderungenanKalibrierungswerkzeuge . . . . . . . . . . . . 97
6.2 AnforderungenanVerfahrenzurABS-Kalibrierung . . . . . . . . . . . . . . . 99
6.3 AusblickaufdieweitereArbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
II Konzepte 101
7 U¨berblick:Makro-Mikro-KalibrierungsverfahrenundFallstudie 103
5
6 INHALTSVERZEICHNIS
7.1 Makro-Mikro-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7.2 RobusteKalibrierungimMakro-Mikro-Verfahren . . . . . . . . . . . . . . . . 106
7.3 Heterogenita¨tssuche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
7.4 Analyseverfahrenfu¨rdasKalibrierungsproblem . . . . . . . . . . . . . . . . . 107
7.5 Fallstudie:Agenten-basierteEinkaufssimulation . . . . . . . . . . . . . . . . . 108
8 Problemanalyse 121
8.1 Analyseverfahrenfu¨rkonkreteKalibrierungsprobleme . . . . . . . . . . . . . 122
8.2 Beispielanalyse:Einkaufssimulation . . . . . . . . . . . . . . . . . . . . . . . . 124
9 DasMakro-Mikro-VerfahrenmitrobusterKalibrierung 127
9.1 Black-Box-KalibrierungunddieMakro-Mikro-Lu¨cke . . . . . . . . . . . . . . 127
9.2 Reverse-Engineering-Verfeinerung . . . . . . . . . . . . . . . . . . . . . . . . . 138
9.3 RobusteKalibrierungaufderMikro-Ebene . . . . . . . . . . . . . . . . . . . . 143
9.4 DiskussiondesMakro-Mikro-Verfahrens . . . . . . . . . . . . . . . . . . . . . 150
10 Heterogenita¨tssuche 165
10.1 LokalisierungvonHeterogenita¨twa¨hrendderKalibrierung . . . . . . . . . . 166
10.2 KalibrierungmitHeterogenita¨tssuche . . . . . . . . . . . . . . . . . . . . . . . 168
10.3 EinbettungindasMakro-Mikro-Verfahren . . . . . . . . . . . . . . . . . . . . 177
III Werkzeuge 179
11 DerDAVINCI-Kalibrierer:Technik 181
11.1 SeSAmundverwendeteProgrammierbibliotheken . . . . . . . . . . . . . . . . 182
11.2 AufbaudesDAVINCI-Kalibrierers . . . . . . . . . . . . . . . . . . . . . . . . . 184
11.3 WeitereAspektedertechnischenUmsetzungvonDAVINCI . . . . . . . . . . 197
11.4 Black-BoxSucheinDAVINCI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.5 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
12 DerDAVINCI-Kalibrierer:Interaktion 201
12.1 SteuerungderBlack-Box-SuchverfahrenzurLaufzeit . . . . . . . . . . . . . . 201
12.2 LaufzeitinteraktionmitdemDAVINCI-Kalibrierer . . . . . . . . . . . . . . . . 203
13 DerDAVINCIKalibrierer:Vergleich 211
13.1 Vergleichstabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
13.2 ErgebnisdesVergleichs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
IV EvaluationundAusblick 215
14 Evaluation:EinleitungundU¨berblick 217
14.1 VorbemerkungzuverwendetenSuchverfahrenundValidierungskriterien . . 218
14.2 U¨berblicku¨berdieEvaluationundihreErgebnisse . . . . . . . . . . . . . . . . 219
INHALTSVERZEICHNIS 7
15 Evaluation:Makro-Mikro-Verfahrenfu¨rABS 221
15.1 Evaluationsziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
15.2 Diskussionanku¨nstlichemEvaluationsmodell . . . . . . . . . . . . . . . . . . 222
15.3 KurzeEinleitungindieFallstudiederEinkaufssimulation . . . . . . . . . . . 227
15.4 KP :Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . 228
GeoUmeaHom
15.5 KP :Lo¨sungmitBlack-BoxAnsatz . . . . . . . . . . . . . . . . . 230
GeoUmeaHom
15.6 KP :Lo¨sungmitdemMakro-Mikro-Verfahren . . . . . . . . . . . 231
GeoUmeaHom
15.7 KP :EvaluationsergebnisMakro-Mikro-Verfahren . . . . . . . . 238
GeoUmeaHom
15.8 KP :Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . 240
GeoUmeaHet
15.9 KP :Lo¨sungmitBlack-Box-Ansatz . . . . . . . . . . . . . . . . . . 241
GeoUmeaHet
15.10KP :Lo¨sungmitMakro-Mikro-Verfahren . . . . . . . . . . . . . . 241
GeoUmeaHet
15.11ZusammenfassungderEvaluationdesMakro-Mikro-Verfahrens . . . . . . . . 248
16 Evaluation:Heterogenita¨tssuche 251
16.1 Evaluierungsziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
16.2 Ku¨nstlichesEvaluationsmodell(HP ) . . . . . . . . . . . . . . . . . . . . 252
HetAbs
16.3 HP :Black-Box-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . 255
HetAbs
16.4 HP :KalibrierungmitHeterogenita¨tssuche . . . . . . . . . . . . . . . . 256
HetAbs
16.5 HP :ErgebnisderHeterogenita¨tssuche . . . . . . . . . . . . . . . . . . . 257
HetAbs
16.6 Heterogenita¨tssucheinderEinkaufssimulation . . . . . . . . . . . . . . . . . . 259
16.7 HP :Problembeschreibung . . . . . . . . . . . . . . . . . . . . . . . 259
EK3Gruppen
16.8 HP :KalibrierungmitHeterogenita¨tssuche . . . . . . . . . . . . . 261
EK3Gruppen
16.9 HP :KalibrierungsergebnismitHeterogenita¨tssuche . . . . . . . . 261
EK3Gruppen
16.10HP :Problembeschreibung . . . . . . . . . . . . . . . . . . . . . 262
EKDistGruppen
16.11HP :Heterogenita¨tssuche . . . . . . . . . . . . . . . . . . . . . . 262
EKDistGruppen
16.12HP undHP :Evaluationsergebnisse . . . . . . . . 265
EK3Gruppen EKDistGruppen
17 Evaluation:RobusteKalibrierung 267
17.1 Evaluierungsziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
17.2 ProblembeschreibungrobusteKalibrierungderEinkaufssimulation . . . . . . 267
17.3 Lo¨sungmitrobusterKalibrierung. . . . . . . . . . . . . . . . . . . . . . . . . . 269
17.4 Kalibrierungsergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
17.5 DiskussionderEvaluierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
18 ZusammenfassungundAusblick 277
18.1 AnwendungdesMakro-Mikro-VerfahrensaufweitereABS . . . . . . . . . . . 278
18.2 VerzahnungvonKalibrierungundDatenanalyse . . . . . . . . . . . . . . . . . 278
18.3 KalibrierungundinteraktiveModelleingriffe . . . . . . . . . . . . . . . . . . . 280
18.4 VerteilteSimulationundKalibrierung . . . . . . . . . . . . . . . . . . . . . . . 280
18.5 ModellierungentlangdesMakro-Mikro-Verfahrens . . . . . . . . . . . . . . . 280
18.6 KalibrierungundModellauspra¨gungmitKomponentenbibliotheken . . . . . 281
18.7 U¨bertragungaufdieKalibrierungundOptimierungrealerAgenten . . . . . . 281
8 INHALTSVERZEICHNIS
V Anhang 283
A VorausgehendeFallstudien 285
A.1 Krankenhaussimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
A.2 SimulationkooperativerAmpeln . . . . . . . . . . . . . . . . . . . . . . . . . . 286
A.3 ProjektEvakuierungssimulation . . . . . . . . . . . . . . . . . . . . . . . . . . 288
A.4 SimulationvonKa¨ferwanderungeninla¨ndlichenRegionen . . . . . . . . . . . 288
A.5 ProjektBienensimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
Abku¨rzungsverzeichnis 292
Literaturverzeichnis 296
Kapitel 1
Motivation
1.1 Abstract
In der vorliegenden Arbeit wird das Problem der Kalibrierung Agenten-basierter Simu-
lationen (ABS) behandelt, also das Problem, die Parameterwerte eines Agenten-basierten
Simulationsmodells so einzustellen, dass valides Simulationsverhalten erreicht wird. Das
Kalibrierungsproblem fu¨r Simulationen an sich ist nicht neu und ist im Rahmen klassi-
scher Simulationsparadigmen, wie z.B. der Makro-Simulation, fester Bestandteil der For-
schung. Im Vergleich zu den dort betrachteten Kalibrierungsproblemen zeichnet sich das
Kalibrierungsproblem fu¨r ABS jedoch durch eine Reihe zusa¨tzlicher Herausforderungen
aus,welchediedirekteAnwendungexistierenderKalibrierungsverfahreninbegrenzterZeit
erschweren, bzw. nicht mehr sinnvoll zulassen. Die Lo¨sung dieser Probleme steht im Zen-
trumdieserDissertation.
Im weiteren Verlauf dieses Kapitels wird zuna¨chst ein kurzer U¨berblick u¨ber das
Kalibrierungsproblem fu¨r ABS gegeben und erla¨utert, welche besonderen Merkmale des
ABS-KalibrierungsproblemsdieAnwendungexistierenderVerfahrenerschweren.ZumAb-
schluss der Einleitung wird ein U¨berblick u¨ber die in dieser Arbeit vorgeschlagenen
Lo¨sungsverfahren gegeben, mit deren Hilfe die beschriebenen Probleme gelo¨st werden
ko¨nnen.
1.2 Das allgemeine Kalibrierungsproblem fu¨r ABS
Das in dieser Arbeit behandelte Problem ist die Kalibrierung Agenten-basierter Simula-
tionen. Es besteht in der Aufgabe, geeignete Parameterwerte fu¨r ein Agenten-basiertes
Simulationsmodell zu identifizieren, so dass das Gesamtverhalten der Simulation ausrei-
chend valide ist. Parameterwerte dienen im Simulationsmodell als Stellschrauben“ fu¨r
”
das Agentenverhalten. Bei der Entwicklung eines Agenten-basierten Simulationsmodells
mu¨ssen zuna¨chst strukturelle Aspekte, z.B. eine Menge von Pla¨nen des Agenten, festge-
legt werden. Ha¨ufig sind solche Modellstrukturen parametrisiert, d.h. der Einfluss einer
gewa¨hlten Modellstruktur auf das zugeho¨rige Simulationsverhalten ha¨ngt von ihren zu-
geho¨rigen Steuerungsparametern ab. Sollen sich die simulierten Agenten beispielsweise in
einerbestimmtenWeisebewegen,somusszurgenauenEinstellungdesAgentenverhaltens
eine geeignete Geschwindigkeit gewa¨hlt werden. Das Verhalten einer Agenten-basierten
Simulation wird in dieser Arbeit als ausreichend valide betrachtet, wenn das Simulations-
9
10 KAPITEL1. MOTIVATION
verhaltenderABSdemVerhalteneinesvorgegebenensimuliertenOriginalsystemsaufallen
Beobachtungsebenenausreichendgenauentspricht.
Das beschriebene Kalibrierungsproblem existiert grundsa¨tzlich fu¨r alle Arten von Simu-
lationen (siehe z.B. Fu [47]). Es gibt jedoch verschiedene spezifische Schwierigkeiten bei
derKalibrierungAgenten-basierterSimulationen.ImVergleichzuklassischenSimulations-
paradigmen, wie z.B. der Makrosimulation, zeichnen sich ABS ha¨ufig durch einen ho¨heren
Detaillierungsgrad aus, da die internen Strukturen des realen Systems weniger stark
abstrahiert in das Modell abgebildet werden [76]. Agenten-basierte Simulationen (auch:
Multiagentensimulationen (MASim)) sind ein mikroskopisches Simulationsparadigma.
Bei der Entwicklung von ABS findet Modellierung des Originalsystems auf Ebene der
einzelnen simulierten Einheiten statt (der so genannten Mikro-Ebene). In Multiagenten-
modellen werden einzelne Individuen eines Originalsystems mit einer Reihe individueller
Attribute, individuellem Verhalten und Zielen und einer gewissen Autonomie modelliert
[76, 50]. Es wird versucht, die empirisch beobachteten aktiven Einheiten eines realen
Systems direkt in modellierte Agenten des Simulationsmodells abzubilden (Beobachtungs-
einheit = Modellierungseinheit) [76]. Das aggregierte Gesamtverhalten der Simulation
(das Verhalten auf der so genannten Makro-Ebene) ergibt sich aus den modellierten
individuellen Verhaltensweisen und den daraus resultierenden Interaktionen der Agenten
untereinanderundmitihrerUmwelt.
Die beschrieben Eigenschaften haben Auswirkungen auf die Anwendbarkeit existierender
Kalibrierungsverfahren auf ABS. Zur Analyse dieser Auswirkungen wird im Folgenden
zuna¨chst auf etablierte Kalibrierungsverfahren fu¨r allgemeine Simulationen eingegangen
unddannderenProblemebeiderAnwendungaufAgenten-basierteSimulationenbeschrie-
ben.
1.3 Existierende Kalibrierungsverfahren
Wie bereits beschrieben ist das Kalibrierungsproblem an sich nicht neu, sondern
praktisch fu¨r jedes Simulationsparadigma relevant, in dem bei der Entwicklung des
Simulationsmodells auch Parameterwerte eingestellt werden mu¨ssen. Im Bereich klas-
sischer Simulationsparadigmen, bei denen die Zusammenha¨nge eines Originalsystems
aggregiert abgebildet werden (z.B. Makro-Simulationen), wurden bereits viele Verfahren
zur Lo¨sung des Kalibrierungsproblems vorgeschlagen (siehe z.B. [44, 5, 111]). Die zen-
trale Herangehensweise aller dieser Verfahren besteht darin, das Kalibrierungsproblem
fu¨r Simulationen als allgemeines Optimierungsproblem aufzufassen und mit speziell
angepassten Varianten allgemeiner Optimierungsverfahren zu lo¨sen. Aufgrund der Her-
angehensweise spricht man daher nicht von Simulationskalibrierung, sondern allgemeiner
von Simulationsoptimierung. Unter Simulationsoptimierung versteht man dabei genauer
dieAnpassungvonSimulationsparametern,sodassderWerteinesbestimmtenvomNutzer
vorgegebenen Performanzkriteriums verbessert bzw. optimiert wird [44]. Zur Anwendung
auf die Simulationskalibrierung wa¨hlt man dabei z.B. das Performanzkriterium als Grad
derAbweichungdesSimulationsverhaltensvomVerhaltendesOriginalsystems.
DieetabliertenTechnikenzurSimulationsoptimierungund-kalibrierungfu¨hrendieErmitt-