从纵向数据自动生成个体模糊认知图

模糊认知图（FCMs）是一种计算模型，基于来自其他因素的因果影响（带权有向边）表示各因素（节点）在离散交互中如何变化。该方法传统上作为聚合模型使用，类似于系统动力学，用以描绘系统运作。近年来，在个体层面采用此聚合方法的研究兴趣日益增长，例如为基于智能体模型中的每个智能体配备其自身的 FCM 以表达其行为。尽管已有框架与研究采用此方法，一个持续的局限在于难以创建与个体数量相当的众多 FCM。事实上，现有研究虽能创建特征不同的智能体，但其决策模块往往相同，从而限制了模拟种群的行为异质性。本文通过利用遗传算法为每个智能体创建一个 FCM，从而提供自动创建具有异质行为的虚拟种群的手段，以应对该局限。我们的算法基于 Stach 及其同事的先前工作，在过程中引入额外约束并将其应用于纵向的个体层面数据。一项来自真实世界营养干预的案例研究证实，我们的方法能生成紧密跟随其真实人类对应者轨迹的异质智能体。未来工作包括降低该方法计算时间等技术改进，以及在计算智能中使用我们的虚拟种群检验新行为改变干预的案例研究。