Новое в методологии исследования социального пространства, или что такое агент-ориентированное моделирование?

lb

В статье ставится проблема развития методологии исследования социального пространства как абстрактного многомерного пространства социальных позиций. Автором выдвигается тезис о перспективности использования агент-ориентированного моделирования в исследовании социального пространства. Кратко излагаются теоретико-методологические основы агент-ориентированного моделирования, в частности описываются его сущность, специфика и преимущества, дается понятие агент-ориентированной модели. Рассматриваются определения данного термина, встречающиеся в работах ведущих российских специалистов: В.Л. Макарова, А.Р. Бахтизина, Е.Д. Сушко и др. Раскрывается значение понятия «агент» – центральной и важнейшей категории агент-ориентированного моделирования. Акцентируется внимание на его близости к понятию социального агента, используемому в социологии пространства. Излагаются основные свойства и атрибуты агентов в агент-ориентированном моделировании. Описываются этапы моделирования, а также требования к знаниям, умениям и квалификации субъекта моделирования – разработчика агент-ориентированных моделей. Дается краткий обзор российского опыта агент-ориентированного моделирования социально-экономических процессов, представленного такими моделями, как демографическая модель условного региона, мультиагент-ная модель России, агент-ориентированная региональная модель «Губернатор», комплексная агент-ориентированная модель социально-экономического развития мегаполисов (CABMUD), агент-ориентированная межрегиональная межотраслевая модель «затраты- выпуск», мультиагентная модель развития территориальной системы и др. Проводится сравнительный анализ разработанного к настоящему времени программного обеспечения для реализации агент-ориентированных моделей. Отдельное внимание уделяется российской системе имитационного моделирования AnyLogic как одному из лучших программных решений, позволяющему строить агент-ориентированные модели, не имея большого опыта в программировании. Подчеркивается важность обеспечения взаимосвязи физического и социального пространств и возможность этого за счет поддержки ГИС-технологий некоторыми системами имитационного моделирования. В завершение статьи обобщаются основные возможности, которые дает применение агент-ориентированного моделирования в исследовании социального пространства: во-первых, создание агентов, наиболее приближенных к реальным социальным агентам; во-вторых, учет двусторонней связи агентов с пространством за счет реализации взаимодействий двух типов: «агент-агент» и «агент-среда»; в-третьих, предоставление реальных инструментов для моделирования физического и социального пространства в их единстве и взаимосвязи.

Социальное пространство, агент, агент-ориентированный подход.

Специфика социального пространства, как объекта исследования, такова, что возможности его изучения путем проведения реальных экспериментов принципиально ограничены. Следует понимать, что социальное пространство – прежде всего абстракция и своеобразная метафора. На этом акцентируют внимание как зарубежные, так и отечественные социологи. Например, П. Бурдье определяет социальное пространство как «абстрактное пространство, конституированное ансамблем подпространств или полей (экономическое поле, интеллектуальное поле и др.), которые обязаны своей структурой неравному распределению отдельных видов капитала, и может восприниматься в форме структуры распределения различных видов капитала, функционирующей одновременно как инструменты и цели борьбы в различных полях» [4, с. 40]. В исследованиях А.Ф. Филиппова подробно рассматривается проблема метафоричности социального пространства, трактующегося ученым как «порядок социальных позиций» [14, с. 167-194].

Наряду с абстрактностью социального пространства значительно усложняет работу исследователя большой объем индивидуальных данных, задающих положение агента. Так, по словам Питирима Сорокина, «чтобы определить социальное положение человека, необходимо знать его семейное положение, гражданство, национальность, отношение к религии, профессию, принадлежность к политическим партиям, экономический статус, его происхождение и т. д.» [10, с. 299]. То есть социальное пространство – многомерное пространство, «точки» в котором – это люди (агенты), а «координаты» – их социально-демографические характеристики. При этом важно учитывать, что социальное пространство не только формируется в результате индивидуального поведения множества социальных агентов, но и формирует это поведение.

К счастью, развитие науки и техники не стоит на месте, появляются новые междисциплинарные методы научного познания, способные послужить на пользу исследователям из разных областей знания. Один из таких методов – агент-ориентированное моделирование, возникновение которого, по мнению специалистов ЦЭМИ РАН, можно рассматривать как результат длительной эволюции методологии моделирования: перехода от мономоделей (одна модель – один алгоритм) к мультимоделям (одна модель – множество независимых алгоритмов) [8, с. 21].

В данной статье мы ставили своей целью раскрыть сущность агент-ориентирован- ного моделирования как нового и перспективного метода исследования, показать его специфику и возможности, дать краткий обзор российского опыта агент-ориентирован-ного моделирования социально-экономических процессов, а также сравнительный анализ разработанного к настоящему времени программного обеспечения.

Информационную базу исследования составили отечественные и зарубежные публикации по агент-ориентированному моделированию, в частности статьи и монографии ученых ЦЭМИ РАН, активно развивающих данное направление в России, а также статьи всемирно известного международного журнала «Journal of Artificial Societies and Social Simulation» и другие зарубежные издания, доступные в сети Интернет.

Понятие и специфика агент-ориентированного моделирования

Агент-ориентированные модели (АОМ) – специальный класс моделей, основанных на индивидуальном поведении агентов и создаваемых для компьютерных симуляций. Это определение можно встретить в ранних работах А.Р. Бахтизина [1, с. 24], М.Р. Фатта-хова [13, с. 13] и других авторов.

В более поздних работах В.Л. Макаров и А.Р. Бахтизин определяют агент-ориенти-рованную модель перечислением свойств: автономия, неоднородность, ограниченная интеллектуальность агентов, расположение в пространстве. При этом главным отличием АОМ от других классов моделей авторы называют «наличие в них большого числа взаимодействующих друг с другом агентов» [5, с. 11].

Е. Д. Сушко дает следующее определение АОМ: «Агент-ориентированная (мультиа-гентная) модель представляет собой искусственное общество, состоящее из взаимодействующих между собой самостоятельных агентов, каждый из которых обладает заданным набором личностных характери- стик («ресурсов»), целевой функцией («интересами») и подчиняется правилам поведения, предопределяющим его реакцию в различных ситуациях, затрагивающих сферу его интересов» [12, с. 5].

По словам Н. Гилберта, формально агент-ориентированное моделирование – это вычислительный метод, позволяющий исследователю создавать и анализировать модели, состоящие из агентов, которые взаимодействуют в среде, а также экспериментировать с построенными моделями [17, с. 2]. Выделенные курсивом слова исследователь считает ключевыми в своем определении.

Центральное и важнейшее понятие в агент-ориентированном моделировании – термин «агент». Как отмечает М. Р. Фаттахов, не существует точного определения данного термина в АОМ, это понятие является предметом широких дискуссий. Исследователь дает следующее определение: «Агент – интеллектуальная автономная компьютерная сущность, находящаяся в окружающей ее среде и взаимодействующая c другими подобными сущностями для достижения целей своего существования» [13, с. 14].

В.Д. Боев придерживается позиции, согласно которой под агентом понимается активный объект, обладающий поведением и имеющий возможность взаимодействия с другими агентами и со средой [2, с. 100].

Как можно видеть, основной акцент при определении понятия «агент» авторы делают на его способности к индивидуальному поведению и взаимодействию с другими агентами и средой. Так, профессор Гилберт главной особенностью агент-ориентирован-ных моделей называет именно то, что агенты могут взаимодействовать, могут передавать информационные сообщения друг другу и действовать на основании того, что они узнали из этих сообщений. При этом ученый обращает внимание, что сообщения могут представлять прямой «диалог» между агентами или косвенные средства получения информации, такие как наблюдение за дру- гим агентом или влияние действий другого агента. Возможность моделирования таких взаимодействий от-агента-к-агенту является основным отличием агент-ориентирован-ного моделирования от других видов вычислительных моделей [17, с. 6].

Рассматривая термин «агент», В.Л. Макаров подчеркивает, что каждый из агентов в АОМ обладает не только заданным набором характеристик («ресурсов»), но и целевой функцией («интересами»), на основе чего имитируется его реакция на изменения внешней среды, затрагивающие сферу его интересов («поведение») [8, с. 21].

Важно акцентировать, что понятие агента в агент-ориентированном моделировании очень близко к понятию агента в социологии пространства. В частности, у П. Бурдье «агент» наделяется в первую очередь такими качествами, как «активность и способность действовать, быть носителем практик определенного сорта и осуществлять стратегии, направленные на сохранение или изменение своей позиции в социальном пространстве» [4, с. 15-16].

Как отмечает А.Р. Бахтизин, «конечная цель процесса по созданию АОМ – отследить влияние флуктуаций агентов, действующих на микроуровне, на показатели макроуровня» [1, с. 24].

В качестве основных свойств и атрибутов агентов в АОМ называют: «автономность, интеллектуальность, репрезентативность, расположенность во времени и пространстве, наличие жизненного цикла, самостоятельность от разработчика модели или внешнего оператора, взаимодействие, целеустремленность, восприятие мира, способность обучаться и адаптироваться, наличие у агента ресурса» [13, с. 14].

В целом для агент-ориентированного моделирования характерны общие этапы имитационного моделирования: анализ системы; формулировка цели моделирования системы; разработка концептуальной структуры модели; реализация модели в среде мо- делирования; реализация анимационного представления модели; проверка корректности реализации модели; калибровка модели; планирование и проведение компьютерного эксперимента [2, с. 104-105]. Однако агент-ориентированное моделирование имеет свою специфику, в частности, исследователю необходимо провести большую и трудоемкую работу по определению индивидуальных характеристик агентов, моделированию их поведения и правил взаимодействия со средой. Отдельного внимания требует этап калибровки агент-ориентированных моделей, при котором достигается соответствие между данными, рассчитанными по результатам индивидуальных действий множества агентов в модели, и реально наблюдаемыми данными по моделируемому объекту.

Сложность и трудоемкость процесса построения агент-ориентированных моделей требует высокой квалификации и знаний разработчика АОМ (субъекта моделирования). Как справедливо отмечает А.В Борщев, генеральный директор The AnyLogic Company – крупнейшего разработчика программного обеспечения для имитационного моделирования в России, «агентное моделирование создает дополнительные требования к разработчику имитационных моделей» и, в первую очередь, к умению «думать в терминах объектов, взаимодействующих без единого центра управления». В частности, по мнению практика, «исследователю пригодятся базовые знания из теории распределенных и параллельных систем, в том числе протоколов связи (синхронность и асинхронность, дедлоки, недетерминированное поведение). Полезным бывает использование диаграмм обмена сообщениями. Диаграммы состояний широко используются для задания индивидуального поведения агентов. В определенном классе агентных моделей необходимо знание социальных сетей. Часто помогает объектноориентированное мышление: типы агентов организуются в иерархию классов с насле- дованием. Наконец, в агентном моделировании приходится программировать в среднем больше, чем в дискретно-событийном или системной динамике» [3, с. 11].

Основные вопросы, на которые необходимо ответить исследователю при разработке агент-ориентированной модели: Какие типы агентов требуются в модели? Какие характеристики, существенные для отображения моделируемого процесса, они должны иметь? Как агенты будут взаимодействовать между собой и с внешней средой? Как выбрать число агентов, оптимальное для отображения моделируемого процесса? Как провести калибровку модели? Как выбрать период симуляции? и т. д.

Однако при всей сложности агент-ори-ентированного моделирования его преимущества «с лихвой окупают все расходы» и делают этот метод все более популярным. В частности, по сравнению с другими средствами имитационного моделирования АОМ позволяют смоделировать систему, максимально приближенную к реальности, обладают свойством эмерджентности, отличаются возможностью построения моделей при отсутствии знаний о глобальных зависимостях в соответствующей предметной области и являются гибким инструментом, позволяющим легко добавлять агентов в модели и удалять их, а также менять параметры и правила их поведения [5, с. 27-28].

Российский опыт агент-ориентированного моделирования социальноэкономических процессов

В 2009 году Brian Heath, Raymond Hill и Frank Ciarallo проанализировали 279 статей, посвященных конструированию и изучению агент-ориентированных моделей [18]. В проведенном исследовании наглядно показано, что агент-ориентированное моделирование приобретает все большую и большую популярность, число статей по данной тематике из года в год неуклонно растет, при этом около половины всех агент-ориентирован-ных моделей строятся в области социальных наук и экономики.

Агент-ориентированные модели социально-экономических процессов имеют свои особенности, заключающиеся в специфических типах агентов и среды. Вообще говоря, агентами в АОМ могут быть любые наблюдаемые в реальной жизни объекты, однако основной задачей их учета в рамках модели является их корректная спецификация. В частности, в моделях социально-экономических систем обычно присутствуют агрегированные агенты, представляющие собой либо отрасль, либо регион, либо совокупное домохозяйство [8, с. 21].

Кратко остановимся на некоторых современных агент-ориентированных моделях социально-экономических процессов, разработанных в России. В первую очередь отметим, что агент-ориентированные модели нашли широкое применение в исследовании и прогнозировании демографических процессов. Это объясняется тем фактом, что демографические процессы и явления во многом определяются индивидуальным выбором отдельных людей, их репродуктивными установками и поведением. Так, в построенной специалистами ЦЭМИ РАН «демографической модели условного региона» [6] агенты наделены одним из двух видов демографических стратегий: традиционной, для которой характерна высокая рождаемость, и современной, при которой рождаемость существенно ниже, при этом рождаемость зависит не только от численности женщин репродуктивного возраста, но и от их индивидуальных репродуктивных установок. Отметим, что именно В. Л. Макаров, А. Р. Бахтизин и Е. Д. Сушко являются одними из первых российских ученых, положивших начало использованию агент-ори-ентированного подхода применительно к моделированию демографических процессов в нашей стране. В созданной ими муль-тиагентной модели России [7] демографиче- ские процессы: рождаемость, смертность и миграция – рассматриваются в разрезе регионов РФ, при этом если смертность не зависит от воли агентов, то миграция и рождаемость – интегральные результаты действий отдельных агентов, принимающих решения о смене места жительства с целью улучшения своего материального положения или о рождении детей. Как подчеркивают сами авторы, принципиальным моментом является то, что показатели миграции и рождаемости получаются в модели автоматически как реакция популяции агентов на изменение внешней среды (социальных и экономических условий).

Отдельно следует отметить агент-ориен-тированную модель региона, разработанную Е.Д. Сушко и имитирующую социально-экономическое состояние региона на основе реконструкции его внутренней структуры и моделирования поведения действующих на его территории самостоятельных экономических агентов [11]. В модели присутствуют агенты трех типов: 1) агенты – физические лица (люди – жители региона); 2) агенты – юридические лица (предприятия, организации); 3) агенты – муниципальные районы. Автором проделана большая работа, АОМ обладает сложной структурой и включает в себя: 1) модель демографического развития региона и отдельных его муниципальных районов; 2) модель трудового потенциала и трудового поведения отдельного человека; 3) модель рынка труда; 4) модель производства; 5) модель формирования и использования бюджета. Модель реализована на примере Вологодской области в виде пользовательского программного продукта, разработанного в среде AnyLogic и названного «Агент-ориентированная Региональная Модель (АРМ) «Губернатор». По словам разработчика, АРМ «Губернатор» носит практическую направленность и предназначена для апробации различных вариантов управляющих воздействий на региональном уровне. При этом она имеет возможность адапта- ции к условиям разных регионов, обладает удобным интерфейсом и надежной информационной базой, а ее апробация на данных по Вологодской области показала, что модель достаточно точно отражает особенности регионального социально-экономического развития и может быть использована для его имитации [12].

Ученые из Новосибирска акцентируют внимание на необходимости моделирования пространственной структуры экономической системы и особенной актуальности такого моделирования для России с ее огромной территорией. Для решения этой проблемы В.И. Суслов и его коллеги разработали агент-ориентированную межрегиональную межотраслевую модель «за-траты-выпуск» для российской экономики, содержащую четыре типа агентов: фирмы, домохозяйства, внешние рынки и товарные рынки. При этом модель имеет географическую структуру и привязана к условной карте России с использованием геоинфор-мационного подхода [9].

К.С. Чиркуновым разработана и апробирована мультиагентная модель развития территориальной системы [16], реализованная в рамках платформы .NET 3.0 (Windows Forms, язык С#) и представляющая собой мультиагентную систему, имитирующую развитие экономики страны, в частности строительство новых производств и повышение общего уровня доходов. При этом основными агентами в модели являются экономические районы, состоящие из множества агентов более низкого уровня иерархии: территориальных производственных комплексов и площадок, на которых их можно разместить. Площадки, в свою очередь, характеризуются географическим положением, а также имеющимися природными и трудовыми ресурсами. Внешняя среда в модели состоит из множества внешних ресурсов (товарных, сырьевых и т. д.) и множества внешних рынков. В процессе функционирования территориальной системы агенты взаимодействуют друг с другом, например, могут договариваться о наборе производственных специализаций системы и тем самым определять поведение территориальной системы в целом [15].

М.Р. Фаттахов впервые разработал комплексную агент-ориентированную модель социально-экономического развития мегаполисов (CABMUD). Она состоит из пяти блоков и содержит два типа агентов: люди (жители города) и предприятия. Среду в модели образуют районы города, линии общественного транспорта и дороги общего пользования. Как пишет автор, «в процессе работы модели люди взаимодействуют с другим видом агентов – предприятиями (тип связи агент-агент), т. е. они либо уже работают и получают ежемесячный доход, либо находятся на бирже труда и ищут работу. Взаимодействуя со средой модели (тип связи агент-среда), агенты проживают в районах города. Здесь они платят цену проживания (платежи ЖКХ, арендную плату). Агенты могут изменить район проживания, исходя из своих предпочтений или текущего финансового положения. Перемещаясь между домом и работой, агенты-люди взаимодействуют с еще двумя видами среды – дорогами общего пользования и общественным транспортом. От выбора типа транспорта зависит величина ежемесячных расходов и время, проведенное агентами в пути. Аргументами данного типа агентов являются: возраст, память, денежный баланс, размер ежемесячного дохода, район проживания, район работы, время начала рабочего дня, размер ежемесячных транспортных расходов, наличие или отсутствие личного транспортного средства» [13, с. 16-17]. При этом агенты-люди могут находиться в одном из 4 состояний: удовлетворения, нейтральном, недовольства или ожидания. Построенная исследователем модель CABMUD позволяет разрабатывать долгосрочный прогноз и сценарии социально-экономического развития города с уче- том уровня комфортности проживания людей, а также получать количественную оценку результатов управленческих решений. Модель апробирована на примере г. Москвы и показала хорошие результаты.

В настоящее время специалисты ЦЭМИ РАН совместно с коллегами из СевероЗападного института управления РАНХиГС создают крупномасштабную АОМ социальной системы «северной столицы» – города Санкт-Петербурга [8, с. 23].

Разумеется, это лишь малая часть агент-ориентированных моделей, разработанных в России, причем с каждым годом их число возрастает. Однако именно перечисленные модели, на наш взгляд, обращают на себя наибольшее внимание и могут стать фундаментом для дальнейшего развития агент-ориен-тированного моделирования в нашей стране.

Программное обеспечениеагент-ориентированного моделирования

Как справедливо отмечают В.Л. Макаров и А.Р. Бахтизин, «вообще говоря, для агент-ориентированного моделирования не требуется специализированных программ, в принципе можно применять средства разработки широкого профиля» [5, С. 28], например Delphi, однако специализированные платформы предлагают набор готовых решений, в частности библиотеки агентов, что значительно упрощает процесс моделирования, экономит время и ресурсы.

Наиболее полный обзор существующих программных платформ для реализации агент-ориентированных моделей представлен в работе [20]. Авторы рассмотрели более 50 программных продуктов2 и провели их под- робный сравнительный анализ по пяти основным характеристикам: встроенный язык программирования, операционная система, тип лицензии, основной домен, виды поддержки пользователей. Такая трудоемкая работа выполнена с целью предоставления читателям детальной информации об особенностях и возможностях современных платформ агент-ориентированного моделирования, призвана помочь исследователям с выбором программного продукта, наиболее подходящего для целей конкретного проекта. По мнению авторов, при выполнении специализированных проектов эффективнее использовать не наиболее популярные программные средства, предназначенные для общих проектов, а инструментарий, разработанный для конкретной области и специализированных потребностей.

Как показало исследование, около 42% программных платформ для реализации агент-ориентированных моделей используют Java в качестве основного языка программирования, 17% – C++, 11% – C, 8% – различные варианты Logo. Подавляющее большинство инструментальных средств (76%) бесплатны, из них 53% имеют открытый исходный код3.

Греческие ученые [19] провели обзор двадцати четырех наиболее перспективных, на их взгляд, современных платформ агент-ориентированного моделирования и оценили их по пяти группам критериев:

• 1.    Свойства платформы: организация-разработчик, основной домен, последний релиз, лицензия, open source (открытый исходный код).

• 2.    Удобство использования: простота, из-учаемость (легкость освоения), масштабируемость, стандарт совместимости, коммуникация.

• 3.    Эксплуатационные свойства: производительность, стабильность, устойчивость, язык программирования, операционная система.

• 4.    Практические аспекты: установка, поддержка пользователей, популярность, технологическая завершенность, стоимость.

• 5.    Управление безопасностью: защита данных, платформа безопасности и др.

(MAS-SOC), Matrix Laboratory (Matlab), Micro-und Multilevel Modelling Soft-ware (MIMOSE), Moduleco, NetLogo, Object Based Environment for Urban Simulation (OBEUS), oRIS, Political Science- Identity (PS-I), Framework for Agent-based Modelling with Java (FAMOJA), Quicksilver, REcursive Porous Agent Simulation Toolkit (Repast) and family, Strictly Declarative Modeling Language (SDML), Jade's sim++, SimPlusPlus, SimAgent, SimBio-Sys, Multimodeling Object-Oriented Simulation Environment (Moose), Sim-Pack, Spatial Modeling Environment (SME), Shell for Simulated Agent Systems (SeSAm), SOAR, StarLogo and family, Sugarscape, Swarm, Versatile Simulation Environment for the Internet (VSEit), Zeus.

3 Nikolai C., Madey G. Tools of the Trade: A Survey of Various Agent Based Modeling Platforms // Journal of Artificial Socie-ties and Social Simulation. – 2009. – № 12 (2) 2.

Согласно результатам исследования, в настоящее время за рубежом наиболее популярный инструмент построения агент-ориенти-рованных моделей – платформа JADE, разработанная итальянской компанией TILAB. Данный продукт полностью реализован на Java, имеет минимальные системные требования и открытый исходный код, отличается стабильностью в работе, легкостью освоения и, что немаловажно, является бесплатным. Основные характеристики JADE в сравнении с другими платформами для реализации АОМ представлены в таблице .

В России наиболее популярным программным решением для реализации агент-ориен-тированных моделей является система имитационного моделирования AnyLogic4, выпускаемая российской компанией The AnyLogic Company, ранее известной как XJ Technologies. В отличие от JADE AnyLogic имеет закрытый исходный код и не распространяется бесплатно, за исключением версии AnyLogic PLE (Personal Learning Edition), предназначенной для обучения студентов в учебных учреждениях и самообразования и доступной для скачивания на официальном сайте компании по следующей ссылке:

Обратим отдельное внимание на тот факт, что данный продукт позволяет работать

Таблица. Сравнительные характеристики наиболее перспективных программных платформ для реализации агент-ориентированных моделей

№ п. п. Название Компания-разработчик Операционная система Язык программирования Открытый код Изучаемость Популярность 1. Agent Factory University College Dublin Любая, поддерживающая JVM Java, AFAPL, AgentSpeak Да Средняя Низкая 2. AgentBuilder Acronymics Inc. Windows, Linux, Sun Solaris KQML, Java, C, C++ Нет Легкая Средняя 3. AgentScape Delft University of Technology Любая, поддерживающая JVM Java (плюс XML) Да Средняя Низкая 4. AGLOBE Czech Technical University Любая, поддерживающая JVM Java Да Легкая Средняя 5. AnyLogic The AnyLogic Company Любая, поддерживающая JVM Java, UML-RT (UML for real time) Нет Легкая Средняя 6. Cormas Cirad research centre Win, Linux SmallTalk Да Легкая Средняя 7. Cougaar Raytheon BBN Technologies Win, Linux Java Да Средняя Низкая 8. CybelePro Intelligent Automation Inc Любая, поддерживающая JVM Java Нет Средняя Низкая 9. EMERALD LPIS Group, Aristotle University of Thessaloniki Любая, поддерживающая JVM Java, JESS, RuleML, Prolog (плюс XML, RDF) Да Легкая Низкая 10. GAMA IRD/UPMC International Research Unit UMMISCO Mac OS X, Windows, Linux GAML Да Легкая Низкая 11. INGENIAS Development Kit grasia! research group, Universidad Complutense Madrid Любая, поддерживающая JVM Java (плюс XML) Да Легкая Средняя 12. JACK AOS Windows, Macintosh, Unix, generic Java, iPAQ Java, JACK Agent Language (JAL) (плюс XML) Нет Легкая Высокая 13. JADE Telecom Italia (TILAB) Любая, поддерживающая JVM Java Да Легкая Высокая 14. Jadex Hamburg University Любая, поддерживающая JVM Java (плюс XML) Да Средняя Высокая 15. JAMES II University of Rostock Любая, поддерживающая JVM Java Да Легкая Средняя 16. JAS Università di Torino Любая, поддерживающая JVM Java Да Легкая Средняя 17. Jason Universities of Rio Grande do Sul and Santa Catarina Windows, MacOS, Linux Java, AgentSpeak Да Легкая Высокая 18. JIAC Technische Universität Berlin Любая, поддерживающая JVM Java (плюс XML) Да Средняя Низкая 19. MaDKit Institut universitaire de technologie Любая, поддерживающая JVM Java, C/C++, Python Да Средняя Средняя 20. MASON George Mason University Win Java Да Средняя Средняя 21. NetLogo The Center for Connected Learning (CCL) and Computer-Based Modeling, Northwestern University Любая, поддерживающая JVM NetLogo Нет Легкая Высокая 22. Repast University of Chicago Любая, поддерживающая JVM Java, C#, C++, Lisp, Prolog, Python Да Легкая Средняя 23. SeSAm Örebro University Любая, поддерживающая JVM Java Да Легкая Средняя 24. Swarm Swarm Development Group Win, Linux Java Да Средняя Средняя Источник: Kravari K., Bassiliades N. A Survey of Agent Platforms [Electronic resource] // Journal of Artificial Societies and Social Simulation. – 2015. – № 18 (1) 11. – Available at : с ГИС-картами. Это важный момент при моделировании социального пространства, поскольку позволяет обеспечить совмещение с физическим пространством. Говоря о позиции агентов в пространстве, Пьер Бурдье подчеркивает, что социальное и физическое пространства невозможно рассматривать в «чистом виде»: только как социальное или только как физическое [4, с. 15]. При этом «реализованное физически социальное пространство представляет собой распределение в физическом пространстве различных видов благ и услуг, а также индивидуальных агентов и групп, локализованных физически и обладающих возможностями присвоения этих более или менее значительных благ и услуг» [4, с. 40].

Яркими примерами использования AnyLogic в моделировании социально-экономических процессов и систем служат модель социально-экономического развития России, разработанная специалистами ЦЭМИ РАН совместно с МГУ, и экспертноаналитическая система прогнозирования оптимального выпуска учреждений профессионального образования, созданная группой компаний IBS по заказу Министерства образования и науки Российской Федерации. Первая – использует 100 млн агентов и при запуске на суперкомпьютере «Ломоносов»

позволяет спрогнозировать развитие страны на 50 лет вперед. Вторая – призвана привести структуру подготовки профессиональных кадров в регионах России в соответствие с потребностями рынка труда и снизить уровень безработицы.

В целом, мы согласны со словами ученых [19], которые отмечают, что на сегодняшний день AnyLogic – одно из лучших решений для имитационного моделирования, если вы не имеете большого опыта в программировании.

Обобщая возможности агент-ориенти-рованного моделирования как метода исследования социального пространства, отметим три основных: во-первых, этот метод позволяет создавать агентов, наиболее приближенных к реальным социальным агентам; во-вторых, он учитывает двустороннюю связь агентов с пространством за счет реализации взаимодействий двух типов: «агент-агент» и «агент-среда», в-третьих, дает реальные инструменты для моделирования физического и социального пространства в их единстве и взаимосвязи. Все это, на наш взгляд, позволяет говорить о перспективности использования агент-ори-ентированного моделирования в исследовании социального пространства и большом будущем данного метода.