加速混合智能体模型与模糊认知图：如何合并“想法相似”的智能体？

虽然基于智能体的模型可以基于个体差异和局部环境创建详细的人工社会，但它们的计算量可能很大。建模者可以通过精简地使用模型来抵消这些成本，例如使用较小的种群规模（这限制了子种群分析）、运行较少的假设情景，或通过执行较少的模拟来接受更多的不确定性。或者，研究人员可以通过硬件解决方案（例如 GPU 并行计算）或在准确性和计算时间之间进行权衡的近似方法来加速模拟。在本文中，我们提出了一种近似方法，该方法合并“想法相似”的智能体，从而减少种群规模和计算时间。我们的创新之处在于将智能体行为表示为规则网络（模糊认知图），并实证评估这些网络之间不同的距离度量。然后，我们通过社区检测形成想法相似的智能体组，并将它们简化为一个代表性智能体。案例研究表明，我们的简化保持了准确性。