Study of civilizations with two different ways of product reproduction. Agent-oriented model of "nomads"and " tillers".
Study of civilizations with two different ways of product reproduction. Agent-oriented model of "nomads"and " tillers".
Annotation
PII
S265838870000175-5-1
DOI
10.33276/S0000175-5-1
Publication type
Article
Status
Published
Authors
Fedor Belousov 
Occupation: Reseach fellow
Affiliation: CEMI RAS
Address: Moscow, Nakhimovsky prospect 47
Edition
Abstract
The article is devoted to the study of the evolution of civilization with two social classes ("nomads" and "tillers"), and, accordingly, with two different methods of production. Such models can be a useful tool for studying social and economic history.
Keywords
Production, social class, agent-oriented modeling
Received
03.02.2019
Date of publication
03.02.2019
Number of characters
10496
Number of purchasers
3
Views
311
Readers community rating
0.0 (0 votes)
Cite Download pdf

To download PDF you should sign in

1 В работе представлена модель, в которой изучается вопрос сосуществования двух цивилизационных типов – «кочевников» и «землепашцев». Каждый из таких типов характеризуется своим способом воспроизводства продукта. Если землепашцы воспроизводят продукт (его можно интерпретировать, например, как пищу), используя свои навыки, то кочевники ничего не производят, а потребляют как исходный дикий ресурс, так и ресурс, отнятый у землепашцев и других кочевников. Таким образом, если у землепашцев конкурентным преимуществом является умение производить продукт, то конкурентным преимуществом кочевников является умение действовать агрессивно по отношению к окружающим особям, в том числе и к другим кочевникам. Указанный продукт, он же ресурс, является основным источником конкурентной борьбы между агентами. Именно он является главной причиной проявления агрессии одних агентов по отношению к другим. Кроме продукта, который воспроизводится землепашцами, есть еще и дикий ресурс, появляющийся на ареале в случайно определенных местах с заданной интенсивностью. По замыслу автора построенная модель является упрощенной моделью древнего мира, в котором каждую из цивилизаций можно было причислить к одному из двух рассматриваемых типов. Типичными представителями цивилизации землепашцев являются цивилизации междуречья, передней Азии, византийских и римских империй и т.д. Классическими примерами цивилизации кочевников выступают кочевнические цивилизации великой степи. Модель реализована на базе агент-ориентированного подхода в программном комплексе AnyLogic. В данной работе проведен целый ряд экспериментов, в рамках которых изучено то, как изменяются характеристики сосуществования двух типов цивилизаций, в зависимости от вариации отдельно взятых параметров. Важными параметрами модели, влияние которых изучалось, являются размер ареала обитания и темп роста дикого ресурса. На основе полученных данных проведен статистический и эконометрический анализ. Кроме этого проведен более детальный анализ полученных временных рядов с помощью вейвлет-анализа.
2 Подробная модель и анализ результатов разобран в работах [1-3].
3 Существуют работы, посвященные изучению с помощью имитационного моделирования отдельно взятых цивилизаций. Среди таких работ можно отметить статью Скота Хекберта [4], в которой изучается жизнь цивилизации Майа с учетом географических, климатических и прочих особенностей.
4 Еще одним направлением, заслуживающим внимания, являются компьютерные модели, выполненные на суперкомпьютере в Барселоне с помощью высокопроизводительного программного обеспечения Пандора (Pandora) [5]. Одна из моделей, реализованной на этой системе- это модель охотников и собирателей (hunter-gatherer groups), обитавших в северном Гуджарате (Индия) (http://simulpast.imf.csic.es/index.php/methodology/case-study/37-cs1). Создатели модели постарались учесть географические и климатические особенности местности, кроме этого, калибровка модели осуществляется на основе археологических и антропологических данных. В модели изучаются вопросы при каких условиях обе группы агентов сосуществуют, а при каких наблюдается исчезновение какой-то из этих групп. Также с помощью модели изучается влияние климата на характер взаимодействия охотников и собирателей.
5 Описание модели
6 Модель состоит из трех основных компонент, это особи (агенты), взаимодействующие друг с другом, ареал (территория) их обитания и ресурс (еда), который появляется на ареале в соответствии с определенным правилом.
7 Ареал представляет собой клеточное поле размерностью , каждая клетка которого может либо пустовать, либо там может находиться один агент одного из типов, либо там может быть ресурс. Пример ареала можно увидеть на рисунке 1, на котором представлено поле 40 на 40 (dim=40). Клетки черного цвета – кочевники, коричневого – землепашцы, зеленого – ресурс (тускло зеленые – дикий ресурс, ярко зеленые – культурный), светлые поля – это пустующие клетки.
8

Рис. 1. Пример ареала модели «кочевников» и «землепашцев».

9 Ресурс в модели может быть двух типов – дикий и культурный. Дикий ресурс появляется на свободном поле с вероятностью культурный ресурс может появиться только с помощью землепашца. При этом по своим характеристикам дикий ресурс не отличается от культурного.
10 Время в модели дискретно, в каждый период времени очередность, в соответствии с которой агенты осуществляют свой ход, определяется случайно.
11 Каждый агент (землепашец и кочевник) обладает рядом характеристик. Эти характеристики можно разбить на два класса – параметры (не меняются во течении каждого прогона) и переменные (меняются во течении прогона). К переменным относятся координаты агента (x и y), возраст агента (life_period), уровень здоровья (health), а также переменная, отвечающая за уровень голода агента (hungry) и переменная отчитывающая количество периодов после рождения последнего ребенка (bear). Параметрами агента являются предельный возраст агента (life_bound), пороговое значение hungry_bound, с помощью которого определяется в форме «агент голоден, или нет» (если hungry>hungry_bound, то агент считается голодным, в противном случае нет), а также пороговое значение bear_bound. Если bear>bear_bound, то агент готов к тому, чтобы репродуцировать еще одного агента. Таким образом, агенты живут на едином ареале, и взаимодействуют друг с другом.
12 Агенты могут перемещаться на соседние клетки в произвольном направлении и взаимодействовать с другими агентами, которые так же находятся в соседних клетках. Подробно алгоритмы взаимодействия агентов рассматривались в работе [1].
13 Результаты модели
14 На основе проведенных экспериментов получены данные, анализ которых осуществлён на базе статистических и эконометрических подходов, а также с помощью вейвлет-анализа.
15 В результате с помощью методов статистики было выявлено, что плотность кочевников и землепашцев остается неизменной при изменении размеров ареала.
16 С помощью методов эконометрики были выявлены линейные зависимости усредненного количества кочевников и землепашцев от размера ареала, а также выявлена линейная зависимость этих же показателей от параметра, отвечающего за интенсивность роста дикого ресурса. Исследован вопрос зависимости такого показателя как темп рождаемости агентов обоих видов от размерности ареала. В этом случае также была выявлена линейная зависимость с помощью методов эконометрики. Кроме этого, было найдено пороговое значение темпа роста дикого ресурса, при котором наблюдалось полное вымирание землепашцев вследствие агрессии кочевников.
17 Все полученные результаты согласуются с интуицией. Так, например, увеличение темпа роста дикого ресурса в среднем положительно сказывается на численности кочевников и отрицательно на количестве землепашцев. Это объясняется тем, что для воспроизводства того же количества ресурса требуется меньше землепашцев и кочевники истребляют их, рассматривая как конкурентов на данный ресурс.
18 Для более детального исследования временных рядов, полученных с помощью модели, был применен вейвлет-анализ. Использование вейвлетов позволяет очищать временные ряды от шумов, не несущих полезную информацию. После такой процедуры по отношению к очищенным данным снова можно применять классический регрессионный анализ. В статье [2] была проведена такая работа, в рамках которой исследована зависимость количества землепашцев от численности кочевников и количества ресурса на ареале в каждый момент времени. На первом этапе была построена простая линейная регрессия без применения вейвлетов, которая показала высокую зависимость между численностью землепашцев и количеством кочевников и ресурса на ареале. Коэффициент детерминации получился равным R2=0,81, при этом статистика Дарбина-Уотсона оказалась равной DW=0,94, что свидетельствует о наличии автокорреляции ошибок. Наличие автокорреляции ошибок говорит о том, что модель не может быть использована для прогнозирования, однако судить о характере зависимостей исследуемых показателей наличие автокорреляции ошибок не мешает. На следующем шаге к исследуемым временным рядам было применено вейвлет разложение с использованием вейвлета Хаара глубиной разложения N=4. По очередности удоляются сначало самые высокочастотные компоненты временного ряда, потом менее высокочастотные и т.д. (эта операция повторяется 4 раза в соответствии с глубиной разложения), затем на каждом из 4 этапов строятся линейные регрессии. Сравниваются результаты регрессий на каждом из этапов. На первом этапе, убрав самые высокочастотные компоненты временного ряда, коэффициент детерминации новой регрессии увеличивается до R2=0,86, при этом статистика Дарбина-Уотсона снижается до DW=0,46, что говорит об усилении автокорреляции ошибок. На втором шаге, убрав следующие по высокочастотности ошибки, получаем R2=0,89, DW=0,22. На следующих двух этапах имеем R2=0,92, DW=0,095 и R2=0,93, DW=0,045. Таким образом получается, что удаление высокочастотных компонент временных рядов с одной стороны увеличивает коэффициент детерминации (т.е. объясняющая способность модели увеличивается), с другой все сильнее статистика Дарбина-Уотсона приближает к 0, что свидетельствует об усилении автокорреляции ошибок.
19 Кроме вейвлета Хаара (самый простой вейвлет) использовался и вейвлет Дебоши порядка 2. Относительно этого вейвлета была проделана аналогичная последовательность действий и были получены схожие результаты. А именно, на первом этапе получилось R2=0,86, DW=0,40, на следующем шаге - R2=0,89, DW=0,13, на следующих двух этапах имеем - R2=0,92, DW=0,04 и R2=0,93, DW=0,01. Как видно, коэффициент детерминации на каждом из этапов остается неизменным, тогда как саттистика Дарбина-Уотсона показывает худшие результаты, сильнее приближаясь к 0. Исследования, проведенные с другими вейвлетами показали аналогичные результаты, в том смысле, что по мере удаления высокочастотных составляющих из временных рядов коэффициент детерминации увеличивается, тогда как статистика Дарбина-Уотсона уменьшается. Причем самым лучшим в этом смысле вейвлетом оказался вейвлет Хаара, статистика Дарбина-Уотсона у него самая высокая.
20 В итоге имеем, что количество землепашцев в каждый момент времени достаточно хорошо объясняется количеством кочевников и количеством ресурса на ареале. С помощью вейвлет-анализа удается повысить объясняющую способность модели. Однако проблемы наличия автокорреляции ошибок избежать не удаётся. Более того, по мере удаления высокочастотных шумов эта проблема только усугубляется. Такое положение дел свидетельствует о том, что количество кочевников и ресурса содержит в себе не достаточно информации для того, чтобы по ним можно было предсказывать численность землепашцев.

References

1. Belousov F.A. Model' soobschestv s dvumya sposobami vosproizvodstva produkta (model' «kochevnikov» i «zemlepashtsev»). Ehkonomika i matematicheskie metody. // Ehkonomika i matematicheskie metody. 2017. T. 53. № 3. - s. 93-109.

2. Belousov F.A. Vejvlet-analiz vremennykh ryadov v modeli kochevnikov i zemlepashtsev. // Vestnik Voronezhskogo gosudarstvennogo universiteta inzhenernykh tekhnologij (ISSN 2226-910Kh), M.: Voronezhskij gosudarstvennyj universitet inzhenernykh tekhnologij, Tom 80, №1. - s. 288-297.

3. Beklaryan L.A., Makarov V.L., Belousov F.A. Ustanovivshiesya rezhimy v modeli Khyonninga i ee modifikatsiyakh // Mashinnoe obuchenie i analiz dannykh. 2014. T. 10. –s. 1385-1395.

4. Scott Heckbert, MayaSim: An Agent-Based Model of the Ancient Maya Social-Ecological System. Journal of Artificial Societes and Social Simulation. 2013. 16 (4) 11 URL: http://jasss.soc.surrey.ac.uk/16/4/11.html

5. Wittek P., Rubio-Campillo X. Scalable agent-based modeling with cloud HPC resources for social simulations // IEEE 4th International Conference on Cloud Computing Technology and Science (CloudCom) December 3-6. Taipei, Taiwan, 2012. p. 355-362.