Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Beijing Normal University

多主体建模

Beijing Normal University via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it





课程简介:这一课程是系统分析重要的建模方法课程,是系统科学专业基础课程之一。本课程专注于系统科学中的多主体建模理论与应用,并结合思政教育元素,旨在通过系统建模分析社会现象和问题,培养学生的社会责任感和家国情怀,同时增强学生全面发展的能力。自底向上的建模方法是建立微观机制与宏观现象间对应的重要方法,系统演化中表现出的复杂性是一类典型的复杂性表现形式。基于多主体建模介绍复杂性研究中多主体模型的基本概念,重点讲解学习与自适应性导致宏观复杂现象发展和涌现的机制。

课程将介绍单个个体所使用的使用微观变量,个体,环境,个体之间的相互作用,规则,拍卖,自适应,个体和社会学习;也将讲解对系统宏观不可逆现象的描述,如熵,信息熵,层次社会熵。政策制定的微观作用机制。如果我们观测到了宏观现象,我们希望了解是什么微观机制造成了这种宏观现象;如果我们知道个体间的微观相互作用,我们希望知道这些微观相互作用会造成什么宏观现象;我们又如何设计微观机制,使得个体按照这样的微观机制演化,得到我们期望的宏观性质。

本课程将比较自顶向下、自底向上模型方法的异同;将介绍基于多主体建模在金融,市场形成,分工,集群行为等方面的应用。作为一种主要的学习算法,本课程将介绍遗传算法和遗传程序设计的基本知识,多种表示方式,算法改进,及理论基础。还将介绍遗传算法在机器学习,函数优化,数据挖掘中的应用。

教学目标:使学生通过学习将掌握多主体自适应系统演化的基本概念,掌握宏观现象与微观相互作用对应的基本概念,深入了解演化复杂性与其他系统复杂性的联系与区别,掌握基于多主体的建模方法和演化算法,并用于解决实际的复杂系统。本课程将关注学生专业基础知识、系统性创新思维、独立分析问题、解决问题的能力培养。理解并践行社会主义核心价值观,将思政教育融入科研实践中,培养学生的团队协作能力和社会责任感。





Syllabus

  • 第一章 自然与人工系统的集群行为
    • 1.1 自然与人工系统的集群行为
    • 1.2 集群行为自然与实验现象
    • 1.3 集群行为模型
    • 1.4 集群行为研究应用
  • 第二章 集群行为的order- disorder
    • 2.1 集群行为与临界现象
    • 2.2 集群运动中临界现象、相变与临界性指标
    • 2.3 集群运动中实验研究
    • 2.4 集群行为有序-无序
  • 第三章 多智能体建模
    • 3.1 系统科学
    • 3.2 复杂系统
    • 3.3 复杂系统概念
    • 3.4 复杂系统研究方法
    • 3.5 复杂系统应用领域
  • 第四章 State Transition Diagram
    • 第五章 Hierarchic Social Entropy
      • 第六章 Global Pattern Formation and Ethnic
        • 6.1 Global Pattern Formation
        • 6.2 Ethnic/Cultural Violence
        • 6.3 Research Methods
      • 第七章 遗传算法
        • 第八章 模型建立的过程
          • 第九章 Division of Labor in an Agent System with a Market Mechanism
            • 9.1 Bottom Up Approach- Mathematical Models vs. Evolving Agents
            • 9.2 Division of Labor Model
            • 9.3 Specialization of Agents with Expectations
            • 9.4 The Skills
            • 9.5 Learning
            • 9.6 Simulation & Results
          • 第十章 基于多主体建模
            • 10.1 Trust,cooperation,and market formation in the U.S. and Japan
            • 10.2 Experimental Design
            • 10.3 Results
          • 第十一章 学习与适应性
            • 1.1 学习与适应性 Individual reinforcement learning
            • 1.2 Summary of the RE algorithm RE算法综述
          • 期末考试

            Taught by

            ZHANGANG HAN

            Tags

            Reviews

            Start your review of 多主体建模

            Never Stop Learning.

            Get personalized course recommendations, track subjects and courses with reminders, and more.

            Someone learning on their laptop while sitting on the floor.