| rdfs:comment
| - Agent-based computational economics (ACE) is the area of computational economics that studies economic processes, including whole economies, as dynamic systems of interacting agents. As such, it falls in the paradigm of complex adaptive systems. In corresponding agent-based models, the "agents" are "computational objects modeled as interacting according to rules" over space and time, not real people. The rules are formulated to model behavior and social interactions based on incentives and information. Such rules could also be the result of optimization, realized through use of AI methods (such as Q-learning and other reinforcement learning techniques). (en)
- Агентно-орієнтована обчислювальна економіка (АОЕ) є сферою обчислювальної економіки, що вивчає економічні процеси, включаючи цілі господарства, як динамічні системи взаємодіючих агентів. Як така, вона попадає в категорію складних адаптивних систем. У відповідному агентному моделюванню, «агентами» називають «обчислювальні об'єкти, змодельовані як такі, що взаємодіють за правилами» над простором і часом, не справжні люди. Правила сформовані щоб моделювати поведінку і соціальну взаємодії базуючись на стимулах та інформації. Ці правила також можуть бути результатом оптимізації, реалізованої з допомогою методів штучного інтелекту(наприклад Q-навчання). (uk)
|
| has abstract
| - Agent-based computational economics (ACE) is the area of computational economics that studies economic processes, including whole economies, as dynamic systems of interacting agents. As such, it falls in the paradigm of complex adaptive systems. In corresponding agent-based models, the "agents" are "computational objects modeled as interacting according to rules" over space and time, not real people. The rules are formulated to model behavior and social interactions based on incentives and information. Such rules could also be the result of optimization, realized through use of AI methods (such as Q-learning and other reinforcement learning techniques). The theoretical assumption of mathematical optimization by agents in equilibrium is replaced by the less restrictive postulate of agents with bounded rationality adapting to market forces. ACE models apply numerical methods of analysis to computer-based simulations of complex dynamic problems for which more conventional methods, such as theorem formulation, may not find ready use. Starting from initial conditions specified by the modeler, the computational economy evolves over time as its constituent agents repeatedly interact with each other, including learning from interactions. In these respects, ACE has been characterized as a bottom-up culture-dish approach to the study of economic systems. ACE has a similarity to, and overlap with, game theory as an agent-based method for modeling social interactions. But practitioners have also noted differences from standard methods, for example in ACE events modeled being driven solely by initial conditions, whether or not equilibria exist or are computationally tractable, and in the modeling facilitation of agent autonomy and learning. The method has benefited from continuing improvements in modeling techniques of computer science and increased computer capabilities. The ultimate scientific objective of the method is to "test theoretical findings against real-world data in ways that permit empirically supported theories to cumulate over time, with each researcher’s work building appropriately on the work that has gone before." The subject has been applied to research areas like asset pricing, competition and collaboration, transaction costs, market structure and industrial organization and dynamics, welfare economics, and mechanism design, information and uncertainty, macroeconomics, and Marxist economics. (en)
- Агентно-орієнтована обчислювальна економіка (АОЕ) є сферою обчислювальної економіки, що вивчає економічні процеси, включаючи цілі господарства, як динамічні системи взаємодіючих агентів. Як така, вона попадає в категорію складних адаптивних систем. У відповідному агентному моделюванню, «агентами» називають «обчислювальні об'єкти, змодельовані як такі, що взаємодіють за правилами» над простором і часом, не справжні люди. Правила сформовані щоб моделювати поведінку і соціальну взаємодії базуючись на стимулах та інформації. Ці правила також можуть бути результатом оптимізації, реалізованої з допомогою методів штучного інтелекту(наприклад Q-навчання). Теоретичне припущення математичної оптимізації агентами полягає в заміні ринкової рівноваги на менш обмежуючий постулат агентів з обмеженою раціональністю, що адаптується до вимог ринку. Моделі АОЕ застосовують чисельні методи до цифрового моделювання складних динамічних проблем для яких не можна використати більш традиційні методи. Починаючи з задання початкових умов, обчислювальна економіка розвивається з часом оскільки її складові агенти багаторазово взаємодіють один з одним. АОЕ схожа і перетинається з теорією ігор як агентно-орієнтований метод для моделювання соціальних взаємодій. Але люди, що практикують, також відзначили різницю зі стандартними методами. Так, наприклад, в АОЕ моделювання подій керується виключно початковими умовами, в незалежності від того чи рівновага існує або обчислювально піддається підрахунку. Інший приклад — полегшення автономії та навчання агента. Метод отримав вигоду від постійних вдосконалень в технологіях моделювання і зростання комп'ютерних можливостей. Кінцевою метою метода є «протестувати теоретичні знахідки реальними даними в такий спосіб, що дозволяє емпірично підтримуваним теоріям накопичуватися з часом, і кожна наукова робота ґрунтується на роботі, яка їй передувала». Цей предмет застосовувався до таких галузей дослідження як вартість активів[10], змагання і співпраця, трансакційні витрати, макроструктура ринку та теорія галузевих ринків і їх динаміка, економіка добробуту, і дизайн механізмів, інформація і непевність, макроекономіка, і марксистська політична економіка. (uk)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)