EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION

Transcript

1 EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION Department of Computer Science University of Turin - Italy

2 Struttura del Seminario Introduzione: modelli informatici per la simulazione di sistemi sociali complessi. Come e perchè. Tre esempi molto diversi tra loro di modellazione di sistemi complessi: HeatBugs, SUM e jes Modellazione di impresa: due paradigmi Metodologia ibrida (ABPS): una proposta

3 Parte 1: INTRODUZIONE

4 Perchè simulare sistemi sociali? L idea non è creare un modello matematico con le conclusioni implicite nelle premesse Simulazione intesa come esperimento: ciò che interessa non sono (solo) i risultati finali, ma soprattutto il modo in cui il sistema funziona

5 Un modello di un sistema sociale complesso si ottiene stabilendono regole generali per l ambiente e regole di comportamento per gli agenti coinvolti L interazione tra le parti non è definita staticamente, ma si crea autonomamente sulla base delle regole definite per i singoli agenti e per l ambiente

6 Si assiste spesso all emergenza di comportamento complesso, cioè non derivabile semplicemente come somma delle parti in gioco e non definibile a priori dal programmatore, bensì come risultato dell interazione spontanea tra le parti

7 Si tratta del corrispettivo degli esperimenti condotti in laboratorio per scienze quali la chimica e la fisica: ovviamente l'economia, la sociologia o altre scienze sociali non possono essere sperimentate in laboratorio, dunque l idea è quella di far ricorso al modello simulato (società artificiali)

8 LA SIMULAZIONE AL COMPUTER PUO ESSERE CONSIDERATA COME UNA TERZA VIA PER RAPPRESENTARE MODELLI SOCIALI (Ostrom, 1998) Alternativa ad altri due sistemi simbolici: 1.Linguaggio naturale (altamente descrittivo, difficilmente computabile) 2.Formalizzazione matematica (altamente computabile, non sempre sufficientemente descrittiva)

9 La simulazione al computer può essere utilizzata per riprodurre sistemi dal punto di vista quantitativo e qualitativo. In particolare è valida per modellare processi e, sebbene le relazioni non lineari possano generare problemi metodologichi, esse possono comunque essere rappresentate in un programma

10 Sciami di Agenti Una tecnica molto utile per riprodurre sistemi complessi che ha origine diretta nel paradigma di programmazione ad oggetti Una moltitudine di agenti, generalmente semplici, che interagiscono tra loro e con l ambiente in cui operano

11 Parte 2: ESEMPI

12 Tre Esempi 1) HeatBugs ( 2) SUM ( 3) jes (

13 HeatBugs (Swarm) E una dimostrazione di come regole semplici e locali possano generare l emergenza di un comportamento globale complesso. Tutti gli agenti in gioco hanno uguali proprietà: 1) Generano una limitata quantità di calore 2) Possiedono una funzione di felicità 3) Più sono al caldo, più sono felici 4) Possono muoversi liberamente per cercare maggior calore

14 HeatBugs (2) L ambiente in cui gli agenti agiscono ha a sua volta alcune proprietà: 1) Consente mobilità degli agenti su celle 2) Gestisce la diffusione calore prodotto (che aumenta quando più agenti sono in celle contigue) 3) Gestisce l evaporazione del calore in funzione al tempo trascorso

15 HeatBugs (3) calore calore calore calore calore calore più calore AGENTE più calore calore AGENTE calore più calore AGENTE più calore calore calore calore calore calore calore

16 HeatBugs (4) Gli agenti (verdi) si muovono al fine di cercare zone con maggior calore (rosse):

17 HeatBugs (5) La simulazione può essere intesa come la risoluzione sperimentale ad un problema di ottimizzazione: ogni agente cerca di massimizzare la propria felicità

18 HeatBugs (6) In brevissimo tempo l infelicità media del sistema raggiunge un minimo locale Emergenza di comportamento complesso: si osserva la formazione di stormi di agenti che si muovono all unisono, al fine di rimanere all interno della zona calda da essi generata

19 SUM (Pietro Terna) SUM = Surprising (Un)realistic Market Si intende creare un modello di un mercato di borsa Non si vuole simulare il mercato di borsa reale, ma crearne uno virtuale, con tutte le proprietà di quello vero

20 SUM (2) Gli agenti impiegati sono no minded, cioè agiscono sulla base di semplici regole e non vi è apprendimento La struttura dell ambiente in cui operano è costruita con precisione e dovizia di regole

21 SUM (3) Gli agenti inviano i loro ordini (di acquisto o vendita) al book, con i relativi prezzi limite Il book esegue immediatamente gli ordini se trova una controparte adatta all'interno del proprio log Altrimenti registra separatamente gli ordini di acquisto o vendita, al fine di accoppiarli con altri ordini futuri

22 SUM (4) Gli agenti: Conoscono solamente l'ultimo prezzo eseguito Scelgono a caso, in modo bilanciato, se vendere o acquistare Fissano il loro limite di prezzo moltiplicando l'ultimo prezzo eseguito per un coefficiente casuale

23 SUM (5) Già con queste semplicissime regole si assiste alla formazione di bolle e crash, e la struttura globale del mercato è sorprendentemente realistica. Questo può significare che sono le regole del mercato la causa principale per la creazione di un determinato trend, qualunque sia il comportamento degli agenti coinvolti

24 SUM (6) Un esempio grafico del trend autonomamente generato dagli agenti operanti nel mercato artificiale:

25 SUM (7) SUM è attualmente molto più evoluto rispetto a quanto detto qui; vi è stata l introduzione di agenti in grado di imitare il comportamento di altri, utilizzare tecniche evolute (quali stop-loss) e altre caratteristiche

26 jes (Pietro Terna) jes: Java Enterprise Simulator Software basato su Swarm per la modellazione e simulazione di due realtà: imprese reali ed imprese virtuali Imprese reali: quelle esistenti (rappresentazione del comportamento ed ottimizzazione) Imprese virtuali: quelle concettuali (come hanno origine e come interagiscono con il contesto sociale circostante)

27 jes (2) Agenti utilizzati nella simulazione: Ordini da produrre Unità produttive Nodi di decisione (basati su regole) Avatar di utenti umani

28 Rappresentazione: jes (3) Unità produttive, imprese e distretti industriali 3 1 1,3,

29 jes (4) Ricette: un potente formalismo per rappresentare gli ordini ed il loro stato di completamento # Recipes ; recipea s 1 p s 1 3 s 1 ; recipeb s 3 \ 3 2 s 1 3 s 3 \ 2 e 10 ;

30 jes (5) Struttura decentralizzata: gli ordini contengono tutte le informazioni per la loro produzione Gli ordini possono essere generati a caso oppure obbedire a particolari sequenze (nel caso si desiderino simulare imprese reali) Vi è capacità di contabilità

31 jes (6) Con jes è possibile simulare diverse situazioni all interno di imprese (introduzione di nuovi macchinari, gestione magazzini, outsourcing...) Si può simulare l emergenza di innovazione (nuovi # all interno delle ricette)

32 jes (7) jes è attualmente in una fase molto avanzata del proprio sviluppo ed è stato applicato con successo a realtà aziendali esistenti. Quanto detto qui è solamente un introduzione alla sua struttura formale di base.

33 Parte 3: ABPS

34 Due Metodologie Simulative E' possibile identificare due metodologie diverse per la simulazione di impresa. Entrambe permettono la creazione di un modello computazionale, partendo da punti di vista molto diversi tra loro

35 Simulazione di Impresa Sia la Simulazione di Processo, sia quella basata su Multi-Agenti sono metodologie efficaci per creare modelli di imprese e sistemi complessi, ma hanno alcune pecche Process Simulation Il sistema che si intende simulare può essere diviso in parti elementari Utile come supporto alle decisioni e per analisi what-if I modelli che ne risultano sono piuttosto statici (no emergenza di comportamento complesso) Agent Based Simulation Deriva dalla teoria del Caos Adatta a sistemi in cui la somma delle parti non determina necessariamente il comportamento aggregato I modelli risultanti sono dinamici (emergenza di comportamento complesso)

36 Simulazione di processo Solitamente utilizzata per sistemi le cui singole parti possono essere rappresentate con modelli logico-matematici (es. Fluidodinamica, Meccanica, Aeronautica, ecc.) Le singole parti sono rappresentate da blocchi con proprietà locali, attraverso le quali vi è un flusso e si produce un insieme di output dato un insieme di input Una simulazione di processo può essere dunque vista come una funzione da Rn in Rm con e n 1 m 1

37 Agent Based Process Simulation: Metodologia pensata per situazioni in cui nessuna delle tecniche precedentemente esaminate non possono essere applicate con risultati soddisfacenti 1) Molti sistemi di un impresa possono essere descritti attraverso la simulazione basata su processo. L interazione tra questi sistemi, tuttavia, è spesso molto complessa e generalmente richiede una partecipazione umana (e comunque non strettamente deterministica) 2) In un singolo macchinario molto complesso, non tutte le parti sono strettamente deterministiche o stocastiche, nel senso che esse potrebbero essere condizionate da qualche influenza imprevista proveniente dall ambiente 3) L organizzazione di un impresa può essere simulata attraverso l uso del paradigma multi-agente. Tuttavia, questo non permette di scendere nel dettaglio dei macchinari utilizzati o delle strutture meccaniche

38 Esempi Un macchinario in cui una o più parti possono essere influenzate dall'ambiente (danneggiate dall'umidità, dal fuoco, oppure migliorate dalla presenza di altri macchinari, lubrificanti o altro) In un impresa, alcuni macchinari possono essere controllati da uomini, che dunque possono ammalarsi o fare sciopero

39 AGENTE COME PARTE DI UN MACCHINARIO

40 INPUT a OUTPUT OUTPUT a a + delta ENVIRONMENT p p p AGENT p p p

41 AGENTI COME CONNESSIONE TRA PROCESSI

42 Unit 1a AGENTS Unit 1b PROCESS BASED Unit 2a Unit 3a Unit 4a Unit 2b Unit 3b Unit 4b PROCESS BASED Unit 5a Unit 5b

43 VARI PARADIGMI AD AGENTI 1) Simbolico: agenti strutturati, la cui struttura è definita secondo strutture derivate dalla Logica. Questo formalismo è adatto a situazioni in cui vi è un singolo agente che interagisce con l ambiente, oppure pochi agenti con struttura ben definita 2) Sub-simbolico: agenti con struttura molto semplice. Un contesto multi-agente di questo tipo permette l emergenza di comportamento complesso e auto organizzazione. Il comportamento intelligente è spesso frutto dell interazione tra agenti ed ambiente e tra molti comportamenti semplici 3) Architetture Ibride: a basso livello troviamo agenti reattivi, mentre ai livelli più alti agiscono agenti più complessi e strutturati. In questo modo è possibile combinare capacità reattive e pianificazione

44 AGENTI SIMBOLICI RAPPRESENTANO I PROCESSI

45 Formalizzazione Poiché i processi possono solitamente essere modellati come flussi deterministici o stocastici, la mia proposta consiste nell'utilizzare logica proposizionale o modale per descrivere la loro struttura Per modellare un processo semplice, la logica proposizionale è sufficiente, poiché permette di creare tavole di verità per i singoli sub-processi e dunque per l'intero processo da essi composto Un sub-processo produce output_1 quando la formula è True oppure Output_2 quando è False; uno dei due output può essere "void"

46 A B C 2 A and B 1 C and E 2 D 1 1 F E 1 N 1 D or N F 2 F 2

47 AGENTI SUB-SIMBOLICI DI TIPO MINDED RAPPRESENTANO IL FATTORE UMANO

48 Metodi Evolutivi Gli Algoritmi Genetici sono la trasposizione computabile della teoria evolutiva di Darwin, spesso definita sopravvivenza del più adatto I Classifier System derivano dagli AG, nel senso che usano stringhe di caratteri per codificare regole per condizioni e azioni conseguenti

49 Applicazione ad ABPS Le tecnologie evolutive possono essere incorporate in sciami di agenti subsimbolici, tra essi interagenti, per massimizzare localmente alcune funzioni Per esempio agenti basati su AG potrebbero eseguire azioni macchinari modellati con logica proposizionale per ottenere il miglior set-up

50 G L O B A L I N P U T Local Output (to maximize) A & B C & E D v N F GLOBAL OUTPUT

51 Conclusioni La simulazione nel campo delle scienze complesse permette di osservare il sistema come se lo si studiasse in laboratorio Le applicazioni al campo aziendale esistono e sono efficaci, e sono basate generalmente su processi o su sciami di agenti (solitamente no-minded) Per le situazioni che non possono essere simulate con nessuno dei due approcci esistenti, si propone l uso di ABPS Grazie ai metodi evolutivi applicati ad essa, è possibile ricercare la struttura ottimale dell impresa o parti della stessa