经济与管理科学中的计算机建模与模拟分析

朱　伟

(河海大学 商学院，江苏 南京 211100)

经济与管理科学中的计算机建模与模拟分析

朱伟

(河海大学 商学院，江苏 南京 211100)

摘要：探讨了经济与管理科学中计算机建模与模拟的科学方法，通过对系统动力学与基于Agent的建模与模拟的对比，涵盖了适应性、视角和内核思想等方面的内容并进行了分析，比较了2种方法的共同与相似之处，提出了采用2种方法交叉研究复杂经济与管理问题的思路。结果表明，基于Agent建模与模拟较之系统动力学具有高度的实际应用价值，更加稳定，更具可行性，彰显出了各科学领域交叉融合的主旨思想，在经济与管理科学中的应用价值更高，可加以推广使用。计算机科学和经济与管理学科相互影响，极大地促进了两者的发展进步。

关键词：经济与管理；计算机；建模与模拟；系统动力学

伴随现代科学技术的发展进步，计算机的软、硬件性能均有了显著的提升。笔者认为，以计算机技术为代表的现代科学技术发展道路可理解为“双向道路”，各个领域与学科在谋求发展的过程当中，必然会向计算机技术靠拢，并逐渐深化。经济与管理作为庞大的社会性科学系统，原论分析→微观拆解→简单汇总的流程已难以满足时代发展的需求，因此，亟待借助新的工具与理论加以解决。

1系统动力学方法分析

系统动力学方法(System Dynamics，SD)以计算机模拟技术为措施，基于反馈控制理论，实现定量结合定性的科学方法，经济与管理等均是其研究的对象与范围。系统动力学方法立足于整体，从宏观行为逐渐向微观结构进行剖析，在周期性以及长期性的问题中具有高度的实际应用价值，尤其适应于处于精度要求低、数据不全面的经济管理问题，可将其视为管理科学与系统科学的旁支，以横向的形式跨越社会科学与自然科学领域。

就系统方法论而言，结构方法为系统动力学的核心方法，整合历史方法与功能方法。而从系统科学角度而言，经济与管理科学系统被视为“高阶多重”的反馈回路，主导回路存在较大的可变性，为非线性系统。上述理论在麻省理工学院斯隆管理学院教授J. D. Sherman的著作《商务动态分析方法：对复杂世界的系统思考与建模》中得到了充分的论证。

系统动力学模型基本等同于一组非线性偏微分方程式，系统动力的内部反馈机制及内部动态结构直接决定着系统的特性及模式，系统也许会随着外部情况的变化而变化，但是鉴于系统行为扎根于系统内部，所以是恒定不变的。系统动力学方法示意图如图1所示。

图1　系统动力学方法示意图

2基于Agent的建模与模拟分析

作为面向未来的稳健决策方法，基于Agent的建模与模拟(Agent-Based Modeling and Simulation,ABMS)有助于解决经济与管理中的各项复杂性问题，起到预判趋势与审度结果的作用，降低决策失误的概率。可将基于Agent的建模与模拟方法理解为由上而下的捕捉系统行为，宏观现象由微观个体的所产生的交互行为(非线性)衍生得出，类似于“人浪效应”，其核心概念为“1+1<2”，即整体大于部分汇总之和[1]。基于该工具，经济与管理科学中的组织及系统经过重构成为了具有相互作用的Agent集合。

基于复杂的经济与管理科学领域构建Agent模型并加以模拟，其核心作用在于对系统行为进行复制，对可能发生的结果进行预判与审度，长期战略与短期决策均可适用。基于Agent的建模与模拟的组成部分为多个可相互作用且具备适应性行为的独立个体，各个独立个体虽然带有自身的规则与属性，但是在Agent模型中可实现整合目标一致性的目的。

作为一种崭新的经济与管理研究方法，基于Agent的建模与模拟既可适用于虚拟层面的经济与管理问题研究，也可延伸至真实世界的决策与判断，鉴于传统的研究工具与模式并不具备模拟性与动态性[2]；因此，笔者认为基于Agent的建模与模拟大有彻底颠覆传统研究工具与模式的趋势与潜力。基于Agent的建模与模拟示意图如图2所示。

3系统动力学与基于Agent的建模与模拟对比分析

3.1共同或相似之处

系统动力学与基于Agent的建模与模拟均属于经济与管理科学领域实现计算机模拟研究的主要方法行列，其共同或相似之处可概括为如下几点：1)均为有助于科学决断的面向未来型的科学工具；2)均有效地实现了社会科学与自然科学的交叉结合；3)均具备传统的研究方法，包括统计学、计量经济学等方法所不具备的长处与特征；4)均可实现对非线性(non-linear)经济与管理科学领域以及现实社会的复杂而庞大的系统进行预判与审度。

图2　基于Agent的建模与模拟(ABMS)示意图

图3　非线性(non-linear)经济与管理特征图

非线性经济与管理特征图如图3所示。

3.2区别之处

3.2.1核心思想

系统动力学的核心思想即为计算机系统的主要特征与行为模式，直接受到内部反馈机制以及动态结构的影响。笔者认为，系统动力学的宏观行为基本上都是来源于其内部的微观结构，在微观结构恒定不变的前提下，系统的宏观行为也不会产生本质的改变。

基于Agent的建模与模拟的核心思想建立于“1+1<2”，即整体大于部分汇总之和的概念之下，系统的全部宏观现象均是由非线性交互适应性行为以及多样化交互适应性行为衍生而出的[3]。经分析，系统动力学与基于Agent的建模与模拟的核心思想存在本质上的差异，核心思想不同，诸如研究思路、研究工具和评判标准也存在较大的区别，也直接导致上述2种方法相互割裂，互不交融。然而，鉴于基于Agent的建模与模拟的核心思想坚持“1+1<2”的理念，因此，其比系统动力学更为稳定。

3.2.2分析单元

系统动力学模型的分析单元行为直接受到系统微观结构的影响，鉴于其内的部分敏感变量随时都有发生变化的可能性，因此，其主导结构也呈现出明显的动态可变性。基于同一系统结构环境中，假设时空条件相对恒定，其主导部分以及非主导部分均可实现互相转化的目标，整个系统的分析单元也呈现出动态可变的特征。

基于Agent的建模与模拟则涵盖2种不同的分析单元规则：第1种为基础性质的行为规则，可将其简单地理解为系统视环境的变化而做出的具有针对性的反应基本规则；第2种规则较之第1种的级别更高，可对第1种的基础性质的行为规则进行改变与修正，即为“规则之上的规则”，体现出基于Agent的建模与模拟在经济与管理科学领域更强的适应性与实用性。

3.2.3构建模块

系统动力学的基本构建模块由可实现互相作用的反馈循环模块构成，系统的行为特征是通过反馈循环模块所产生的。基于该理论，笔者认为，系统动力学的构建模块即为反馈循环模块[4]。

针对基于Agent的建模与模拟模型而言，其核心的构建模块即是Agent，整个模型是由若干个Agent模块及其内部运行所构成的。一般而言，各个Agent均带有明显的独立性，规则各不相同，其全部的适应性行为均是通过Agent各异性的规则以及互相作用而出现的，在此基础上，系统的宏观现象得以产生。

3.2.4建模层次与视角

系统动力学的建模层次始于宏观层次，立足于系统整体的平均水平[5]。建模视角则是自上而下，整个分析过程由宏观行为开始，至微观结构结束，并未足够深入。

基于Agent的建模与模拟的建模层次始于微观异质，先行明确Agent的规则与本质属性，对其适应性行为进行全面而深入的研究，随后引申出宏观现象[6]。建模视角则是自下而上，宏观层次现象很大程度上依赖微观Agent的交互性行为与适应性行为而涌现，因此整个视角显得全面而深入，较之系统动力学更为合理。

3.2.5动态起源与数学公式

系统动力学的动态起源为“累积”，状态变量等同于水平变量，信息→能量→物质的逐渐叠加累积，系统前一时刻的本期进出速率以及水平累积变化直接决定着系统的状态变量。鉴于累积形式的动态起源必定会产生惯性延迟现象，对经济与管理的决策产生不良的影响。数学公式则为非线性微分方程组，构成部分为速率方程与水平方程，计算机自行完成差分求解，计算软件多为Vensin软件与Dynamo软件。

基于Agent的建模与模拟的动态起源为事件本身与变化起因，行为变化出现在阈值被完全突破之后，对较为复杂的经济与管理科学问题能起到更为理想的解决效果。基于Agent的建模与模拟并不存在特定的数学公式表达，只是在IF-THEN逻辑规则的指导下，对下一步的行为实现调整与优化，其中还包含遗传算法(Genetic Algorithm)等，常用的软件有Netloogo和Swarm等。

4结语

综上所述，基于Agent的建模与模拟的模型在经济与管理过程中具有高度的实际应用价值，宏观现象基于异质的主体非线性交互作用而出现，与国内外诸多学者的研究结果基本吻合，彰显出各科学领域交叉融合的主旨思想，计算机科学与经济与管理学科相互影响，极大地促进了两者的发展进步。

Computer Modeling and Simulation Analysis in Economics and Management Science

ZHU Wei

(School of Business, Hohai University, Nanjing 211100, China)

Abstract：Discuss the economics and management science of computer modeling and simulation of the scientific method. Based on system dynamics and the modeling simulation contrast agent, it covers aspects such as adaptability, angle of view, the kernel thoughts of content analysis. Compare the difference between the two methods, and propose crossover study with complex problems using two methods thinking. The modeling and simulation based on agent is obtained while the system dynamics is more stable, more feasible, have higher application value in the economics and management. So they will be in great development.

Key words:economic and management, computer, modeling and simulation, system dynamic

中图分类号：F 224-39

文献标志码:A