多主体仿真建模

多主体仿真建模（精选七篇）

多主体仿真建模 篇1

关键词：多场耦合,仿真建模方法,COMSOL

0 引言

目前, 在工程实际中, 很多多物理场耦合作用下的实验还不具备开展条件, 且无具体的理论指导设计, 必须采用数值仿真[1,2]的方法来研究和测评。因此, 有必要建立一套仿真建模方法来进行多物理场耦合分析。COMSOL Multiphysics具有高效的计算性能能力和独特的多场全耦合分析能力, 因此可以保证数值仿真的高度精确[3,4]。本文在相关理论研究的基础上, 提出基于COMSOL Multiphysics的声振耦合、热力耦合、热声耦合等的建模方法, 并对软件在耦合仿真中的前后处理着重进行分析。

1 声振耦合

1.1 声振耦合仿真建模方法

在声振耦合界面必须满足两个连续条件:声压连续、法向加速度连续[5]。在进行声振耦合仿真时必须考虑此边界条件。

声振耦合仿真建模方法如下:首先在COMSOL Multiphysics软件中调用压力声学模块和结构力学模块;然后在压力声学模块中加载边界载荷法向加速度, 调用结构力学中的参数, 在结构力学模块中加载边界条件压力, 调用压力声学中的压力参数。完成设置后, 软件即可根据其内部算法在代表两个物理场的模块间互相迭代, 直至求解结束。

1.2 应用实例

为验证此方法的正确性, 选取一个简单的算例应用以上方法进行声振耦合仿真分析。将一个圆柱形的铝块置于水中, 有一个平面波入射进来, 仿真计算平面波经水入射到铝柱外表面, 然后铝柱外表面反射, 最终入射波与反射波叠加的过程。铝柱浸入水中的模型如图1所示, 此模型由两个域构成, 一个为水声域, 一个为固体域。圆柱外表面即为耦合界面, 被声压压紧, 圆柱高20mm, 半径为5mm。外围的水域由一个球体来模拟无限大水域。分别计算圆柱做为硬声场边界和铝材料两种情况下, 在60kHz入射波时的频响。仿真结果如图2、图3所示。

由图2中可以清楚地看到波的传播路径, 同时可以看出铝柱的变形是非常小的, 但是它的加速度足够大, 可以影响波的重新分布。

由图3中可以看到, 在铝柱表面声波传播的上游侧, 硬表面时比铝表面时声压级要高, 但是在下游侧, 硬表面时比铝表面时的振动幅值要低。由此可见硬声场反射的波更多, 穿过的波更少, 可以得出一个结论, 材料的吸声特性对波形分布有很大的影响。

经验证仿真分析结果正确无误, 验证了声振耦合建模方法的正确性。

2 热力耦合

2.1 热力耦合仿真建模方法

热力耦合可以看作两部分:热膨胀和振动发热[6]。相对应于这两个条件, 在COMSOL Multiphysics软件中有对应的边界条件设置。结构力学模块中有热膨胀边界条件, 设置好热膨胀系数及参考温度即可;传热模块中有相应的体热源来对应于振动发热。完成设置后软件就可以仿真计算出相应的热膨胀和振动生热。此为热力耦合仿真建模方法。

2.2 应用实例

为验证此方法的正确性同样选取了简单的模型来进行热力耦合仿真分析。取一个悬臂梁, 材料为铝合金, 其几何尺寸为10mm×10mm×100mm。固定其左端, 在此梁上施加一个30℃的温度差载荷, 加载时间为10s。根据热膨胀仿真方法进行建模, 仿真计算可得其热变形, 仿真结果如图4、图5所示。

由图4可知, 梁的位移主要集中于x方向, 属于线膨胀。其余两个方向由于几何尺寸的限制, 位移不大。由图5可以看到, 在0mm~10mm范围内, 位移变化不是线性的, 说明, 此处包含有体膨胀, 同时也受到了固定端约束的影响。

铝合金的热膨胀系数约为1.8×10-5℃-1~2.4×10-5℃-1, 按理论公式计算可得其理论位移约为0.054mm~0.072mm。计算结果与理论相符, 在一定程度上说明了该仿真方法的正确性。

3 热声耦合

3.1 热声耦合仿真建模方法

热声耦合效应[7]实际上就是热与声的相互转化。热量分布会引起传声介质的密度变化, 进而影响声场的分布, 同时由于热场中各处声压不同, 热场分布也会因此而产生变化。

热声耦合仿真建模方法如下:首先在COMSOL Multiphysics软件中调用压力声学模块和传热模块, 在压力声学模块中调用传热学中的温度分布参数, 在传热模块中添加声压边界条件;接下来软件会在代表热场和声场的两个模块之间来回迭代, 每次运算都要调用前一次的结果, 进而仿真出热和声之间的相互影响。

3.2 应用实例

为验证此方法的正确性同样选取了简单的模型来进行热声耦合仿真分析。建立一个正方形的空气域模型, 分两种情况进行了模拟, 第一种情况下温度场分布均匀, 第二种情况下左侧温度比右侧温度高60℃, 达到稳态后温度沿x轴为线性分布。两种情况下, 在左侧加一个入射平面波, 其频率为500Hz, 大小为2Pa。图6为热场分布对声场分布的影响。由图6中可以看出, 有温度场分布情况下声场分布更密集一些。

根据理论我们可以知道, 温度高的地方气体的密度会下降, 在此处的声速就会下降, 在频率不变的情况下, 其波长就会变短, 其声场分布就会变得密集。

仿真结果与理论推导一致, 说明该仿真建模方法的正确性。

4 结论

根据由多场耦合理论得出的多场耦合机理, 结合COMSOL软件的特征, 开发了多场耦合建模方法, 包括声振耦合建模方法、热力耦合建模方法、热声耦合建模方法, 并通过几个简单算例验证了文中建模方法的正确性, 应用此方法即可解决多场耦合下的仿真问题。

参考文献

[1]杨鼎宁, 邹经湘, 盖登宇.计算机辅助工程 (CAE) 及其发展[J].力学与实践, 2005, 27 (3) :7-16.

[2]付德彬.数值仿真及其在航天发射技术中的应用[M].北京:国防工业出版社, 2011.

[3]王尧.油膜轴承巴氏合金与钢体的结合强度理论与试验研究[D].太原:太原科技大学, 2014:1-15.

[4]Teich L, Hütten A, Schrder C.Utilization of COMSOL Multiphysics'JAVA API for the implementation of a micromagnetic modeling and simulation package with a customized user interface[C]//COMSOL Conference Europe.Mailand:[s.n.], 2012.

[5]白长青, 周进雄, 闫桂荣.声振耦合对薄壁圆柱结构动力特性的影响[J].机械工程学报, 2011, 47 (5) :78-84.

[6]张胤.材料传热学[M].北京:化学工业出版社, 2013.

多主体仿真建模 篇2

持续水资源短缺是全球面临的重大危机之一，除增加淡水资源供给和提高节水技术外，通过安全、公平、有效的水资源配置机制提高水资源利用效率，也是重要思路之一。目前学术界已提出行政配置、水资源市场配置、基于使用者的水资源管理等多种配置机制行政配置机制可以保证水资源供给的安全性、公平性，市场机制可以保证水资源的利用效率,学者们普遍建议采用行政配置与市场配置相结合的水资源配置模式;但如何整合行政配置与市场配置的优势，目前研究相对薄弱。付廷臣在总结现有水资源配置相关研究成果的基础上，提出了“政府中介市场—市场联动定价”的城市水价格定价机制基本内涵，旨在整合城市水资源配置过程中行政配置和市场配置的优势;该机制包含两个市场，其一是政府向供水企业购水形成的城市水供给市场，其二是政府向用水主体分配水资源后，用水主体间水权交易形成的需求方水权交易市场;首先由政府以公开竞标、特许经营等方式，向中标企业购买水权，通过在城市水供给中引入竞争，提高水供给效率，并形成供水市场价格;然后政府以城市供水市场价格和需求方水权交易价格为基础，制定城市水资源配置价格，向用水主体分配水权，并保障城市用水供给的安全和公平;用水主体间的水权交易提高城市水资源的利用效率。

“政府中介市场—市场联动定价”作为一种理论设想，能否实现预期目的，适用条件是什么，需要进一步研究。笔者针对“政府中介市场—市场联动定价”中的需求方水权交易市场进行研究，在假设用水主体仅存在居民的条件下，通过探索实施该机制所带来的用水主体行为改变和相关市场特征，判断该机制的有效性和适用条件。

二、城市居民间水权交易概念模型设计

(一)主体行为分析

1.政府行为分析

由于尚不涉及政府相关政策，在本研究中的政府行为仅包括期初向居民配置水权、制定水权配置价格和期末居民间水权交易市场中居民剩余水权的处置。

(1)期初水权分配和水权价格制定

虽然随着水资源短缺，水的商品属性逐步显现，但由于水是消费必需品，且具有公共品属性，为保证水资源配置的公平性，假定每期政府向每个居民配置同等数量的水权，记为wp，假设1单位水权可购买1单位水资源。政府作为非营利机构，制定水权价格主要考虑城市供水市场价格、需求方水权交易价格和一定的市场管理费用，由于本研究不考虑政府相关政策，不妨假设政府配置水权价格保持不变，记为p。

(2)剩余水权管理

在每个模拟期结束时，存在剩余水权的居民不一定能将剩余水权在市场中全部出售，对于本期的剩余水权，政府可采用不同管理模式，如以初始价格回收、允许居民转入下一个模拟期或者作废等，假设政府采用以初始价格回收的模式。

2.居民行为分析

在政府完成期初水权分配后，每个居民获得wp单位水权。居民首先进行水消费量决策，存在剩余水权的居民和缺水居民可以通过水权交易市场进行水权交易，另外每个居民也可以通过提高节水意识并进行节水投资减少水资源消费量。

(二)模拟结果分析

1.随着交易进行，水资源利用效率逐步提高

依据初始参数设置，当消费者节水投资为0时，基本消费量最大值为4000，最小值为3000，如果消费者节水投资较大，且节水意识为1时，居民水消费量主要集中在基本消费量中不受投资影响的第一项中，其均值为1500，另外选择位于1500和3000之间的2000，笔者分别对政府期初配置量取上述几个值时的主体行为和市场特征进行分析，以判断该机制的可行性和有效性，以及政府对市场的影响，模拟周期选择150期。在wp= 4000 , wp=3000 , wp=2000和wp=1500四种情况下，在第一个模拟期内，水消费获得满足的居民数量分别为500,500,258和97 ,在第150个模拟期内，获得满足的居民数量分别为500,500,481和151。总体来看，随着市场交易的进行，能够通过市场交易满足水消费需求的居民数量不断增加，证明该机制是有效的。

2.在合适的初始配置量下，水权交易价格能保持稳定

在wp=4000的情况下，由于政府期初配置量可以满足居民消费需要，故不存在市场交易，交易平均价格为0;在wp=000的情况下，前两个交易期市场平均交易价格略高于政府配置价格，从第三个交易期开始，市场平均价格与政府配置价格相等，随着居民节水投资和节水意识不断提高，政府期初配置量已能满足居民消费需求，从第44个交易期开始，市场平均价格为0;为进一步探索价格的变化规律，笔者模拟了wp=2500情况下平均价格的变化，在此情况下，交易平均价格整体呈逐步下降趋势，但略高于政府配置价格的水平;在wp=2000和wp=1500两种情况下，市场交易平均价格逐步上升。这说明如果实施该机制，政府应制定合理的初始配置量，以避免市场价格的过度上涨。

3.居民节水投资累计额整体呈增长趋势

居民节水投资累计额不断增长，说明水权交易市场的确对居民节水行为具有激励作用，但随着wp的增大，节水投资累计额的增长速度降低，尤其是在wp=000和wp=3000两种情况下，节水投资累计额在140期后基本保持不变，由于笔者没有考虑节水设备的折旧问题，这说明在此两种情况下，140期后居民基本没有新增节水投资，其主要原因是政府期初配置量已满足水消费需求，为降低支出，居民不再新增节水投资。

三、主要结论

多主体参与的企业环境行为仿真研究 篇3

1 理论研究综述

企业在以追求经济利益为目的的前提下想要处理好与环境的关系并不是一件容易的事,这需要政府、公众等的约束和配合[2]。而市场上的企业又有各式各样的区别,如规模、所在行业、环保意识等[3]。因此,我们认为可以将企业环境行为看成是一个复杂的自适应系统,是一个能够主动对环境的影响做出反应的、由多个活动的成员组成的动态系统。

孟庆峰等[4]认为环境行为是指企业在政府、公众等给予的环保压力下,根据自身条件及发展战略所采取的措施和手段。Parker等[5]发现政府环境规制中的一些因素会影响企业环境行为。Arora和Cason[6]通过研究发现,拥有较多与环境利益相关的社区成员的企业会有更良好的企业环境行为。Drobny[7]通过研究认为,如果企业不重视其产品的环保作用将会受到消费者的抵制。Stalley[8]认为交易对方的环保要求或者交易环境的标准会从市场需求方面对企业的环境行为产生影响和限制。

因此,企业环境行为系统中应当包括企业、政府、公众等主体以及他们之间的相互作用和关系。这些主体的选择过程是复杂的,而对外部环境的学习和适应能力是造成系统复杂性的主要原因[9]。而且,各个层次的主体必须不断调整自己的活动,以适应外部环境的变化,这样的调整将不可避免地导致其中主体成员及其相互关系的改变。综上,企业环境行为具有复杂性,其中的政府机构、排污企业、公众等都可以看作是具有自主认知和学习能力的主体,所以完全可以用基于主体的计算实验方法来研究企业环境行为的演化。

本文采取计算实验的方法构建多主体参与的企业环境行为的仿真模型来模拟分析其中各主体动态的相互作用。

2 构造模型

2. 1 企业主体的学习机制

在本文构造的模型中,企业主体的学习性主要体现在其环保技术投入 ( techlnvest) 的每个周期都会随着外部环境的变化而改变。这里采用的学习算法是基于遗传算法的学习分类器系统的简化的自动学习算法[10]。下面简单介绍企业主体在环保技术投入调整方面的学习决策过程。

根据算法思想,企业主体先要进行以下判断:

( 1) 上一周期企业的环保技术投入是上升了还是下降了;

( 2) 上一周期企业的利润是上升了还是下降了。

根据由这两个问题得到的结果,我们将确定企业本期环保技术投入变化的概率调整,如表1所示。

注: ω 为每次概率的变化量,在本模型中,我们设定 ω = 0. 1

其中,pd表示企业在确定本期的环保技术投入时选择减小环保技术投入的概率; pi表示企业在确定本期的环保技术投入时选择增加环保技术投入的概率;pc表示表示企业在确定本期的环保技术投入时选择环保技术投入保持不变的概率。显然,pd+ pi+ pc= 1。

企业在调整环保技术投入意愿的概率时即经历了一个学习的过程,根据上一期的实际运营结果来对本期的策略进行倾向性的改变。当调整好企业本期环保技术投入变化的概率,就由系统给出一个在0 ~ 1之间的随机数 ,我们则根据这个随机数判断企业到底采取了哪种策略,如下所示:

其中,ΔI1和ΔI2分别为技术投入减少和增加的量,它们的值与企业的环保意识cognize有关,cognize相对较高的企业比较低的企业的ΔI2值大,而对于ΔI1来说,则是cognize较低的企业大。

2. 2 模型建立

本文研究的系统由300家排污企业主体以及政府主体和公众主体构成。一般来说,企业的主要行为是生产制造、销售以及盈利,但是在生产制造的过程中企业几乎不可避免地会产生污染。面对企业的污染,政府制定相应的法律法规以及行政手段加以管制,公众则会给予企业舆论压力以及选择性购买的压力,严重的话会采取监督举报的手段。如图1所示。

首先,制造企业具有生产制造的能力,本模型的产出函数使用的是美国数学家柯布和经济学家道格拉斯共同探讨投入和产出的关系时创造的生产函数,具体如下:

其中Q( t) 表示企业i第t期的产出数量,T( t) 为企业i第t期产品的技术水平系数,L为企业i第t期投入的劳动力要素量( 本模型假定企业i各期的固定不变) ,K为企业i第t期投入的资本量。α、β为常量,我们根据国家计委测算的指标选取α =0. 3,β =0. 7。

T ( t) 的值是与技术投入资金tech Invest相关,B为系数,模型中具体表述为:

接下来计算企业i的生产成本。为了简化模型,本文采用下式来表示企业i第t期的生产成本,其中C1、C2为常数:

在每一期的资金投入中,企业还要进行环保技术投入。而企业初始的技术环保投入与其对环境污染的态度有关,保护环境态度的值越高,初始投入越大。本模型将其假设为:

其中,D为控制参数,cognize为企业i对环境污染的态度,即企业的环保意识。企业i在后面每个周期的环保技术投入都会随着外部环境的变化而改变 ( 即上一节描述的企业主体的学习机制) 。

当然,企业在其生产制造的同时一定会产生相应的污染,而通过企业对环保技术的投入,其造成的污染值会相应下降,因此,我们假设企业i的污染值与其环保技术投入呈一定的反比关系。

企业的销售额为其产品价格与生产数量的乘积,即:

接下来,我们要描述政府主体和公众主体对企业环境行为的作用。首先,企业需向政府主体缴纳一定的税费。在本文的模型设定中,政府设置一个固定的企业技术水平系数值,如果企业的技术水平系数超过这个值,那么政府会相应地降低税率,反之,政府会强制企业采用较高的税率水平缴税; 其次,政府还会在每一个仿真周期对企业产生的环境污染程度进行评估,如果污染水平超标,则对企业进行一定程度的罚款,罚款的数目与企业的污染值及企业的整体规模和利润相关,如果没有超标则不进行罚款; 然后,由政府公布污染评估结果和罚款信息,而就公众主体来说,其具有自己的环保意识,即公众对环境保护的重视程度会有所不同,因此公众会根据政府披露的企业污染和罚款信息对企业的销售产生一定程度的影响。

3 仿真及结果分析

3. 1 政府规制对不同规模的企业的影响

本文根据工业企业的规模划分标准,把企业分为大型企业、中型企业、小型企业及微型企业。其中,从业人员1 000人以上或营业收入40 000万元以上的为大型企业; 从业人员300人及以上,且营业收入2 000万元及以上的为中型企业; 从业人员20人及以上,且营业收入300万元及以上的为小型企业; 从业人员20人以下或营业收入300万元以下的为微型企业。根据实验结果,如图2表示300家大型、中型、小型工业企业从随机状态演变到完全不受政府惩罚状态所需的演变期数。

由图2可以看出,在其他参数不变的情况下,规模越小的企业在演变时达到不受政府惩罚状态的时间越短,即规模越小的企业越急于避免政府对其进行污染惩罚。当企业规模较小时,政府的污染惩罚对企业的影响较大,因此这类企业在追求利润,或者说是在避免淘汰的过程中,必须要尽快加入到治理污染的队伍中。而规模较大的企业有能力承担政府的污染惩罚,因此它们并不急于避免惩罚,但是出于长期战略,规模较大的企业也会逐渐采取污染治理策略。但是,对于规模最小的微型企业而言,污染治理所需的成本耗费过大,在模型运行的过程中,一些微型企业出现长期负利润,并且整个微型企业群体一直没有出现不受政府惩罚的稳定状态,即大部分微型企业不会加入到治污队伍中。

3. 2 政府对企业治污的规制力度对其治污行为的影响

接下来,本文要探求政府对企业污染治理的管制力度的大小对企业治污行为的影响。在本文构建的模型中,将政府对于企业的污染治理管制设定为政府对未治污或极少治污的企业收取税费、税率的增大或减小,即在其他参数条件不变的情况下,将参数taxRate分别设定为0. 15、0. 3、0. 45。其中,由于政府改变了对未治污或少治污企业的惩罚力度,因此整体来看,300家不同企业的共同利润会因此改变,如图3所示。

在图3中,3条线分别代表政府调整对未治污或少治污企业的惩罚力度导致的企业利润整体变动。当政府调整惩罚税率逐渐变大时,即政府对未治污或少治污企业的惩罚力度增大时,300家不同企业的整体利润的演化趋势相似,但整体利润值会相应下降,对企业的损害较大。当然,我们研究政府对企业污染治理的管制力度的大小对企业的治污行为的影响不能只看加大管制力度对企业利润的影响,还要看企业是否积极响应了、是否加快了治污的步伐、是否迅速加大了治污力度,如图4所示。

在图4中,序号1 ~ 10所对应点表示政府对企业污染治理的管制力度较小时,300家不同企业演变到全部完成治污指标的稳定状态所需的演变期数;11 ~ 20所对应点表示政府对企业污染治理的管制力度适中时,300家不同企业演变到全部完成治污指标的稳定状态所需的演变期数; 21 ~ 30所对应点表示政府对企业污染治理的管制力度较大时,300家不同企业演变到全部完成治污指标的稳定状态所需的演变期数。观察图5的3个区块中点的轨迹,发现政府的3种管制力度在对企业的治污行为影响时,影响结果并无明显区别,即政府对企业污染治理管制力度的大小对企业采取环境行为并无明显作用。而由图4得出政府对未治污或少治污企业的惩罚力度增大时,300家不同企业的整体利润会相应下降,对企业的损害较大的结论。这表明,政府对企业污染治理的管制力度的大小并不能影响企业的环境行为,反而会对企业的收益产生不良影响,削弱企业运营的积极性,损害企业的发展。因此,我们不应寄企业环境行为管理的希望于政府的规制。

3. 3 企业对于治污问题的重视程度对企业运营的影响

通常来说,公众中的大部分人群对产品生产企业污染水平的敏感程度是一般的,人们不会对其有过度的关心,但也不会视而不见,因此,在其他参数不变、公众敏感度一般的情况下,企业的利润水平如图5所示。

图5中,横轴表示的是企业运营的期数,纵轴表示的是300家不同企业的共同利润。由图5可以看出,企业在前期由于对治污问题的重视程度不够,导致企业的整体利润有一个持续时间较长的明显下降。而如果企业能够在更早的时间点采取更为有力的治污手段,那么,就会有更好的效果产生,如图6所示。

在图6中,我们把在T时刻才会产生的利润上升拐点向左移,即加大对治污问题的重视,提早对污染治理采取更为有力的手段,那么利润拐点就会由M点变为N点,这样,既阻止了利润的持续下降趋势,又提高了利润上升的起点。这说明,在企业以盈利为目的的运营中,应当适时适量地增大治污投入,提前结束因污染产生的利润下降趋势,使得企业向更加良好的状态发展。

3. 4 不同的环保意识对企业运营的影响

将本文构建模型的各个约束条件都限定为同一企业,同样的企业规模、同样的产品价格、同样的起始资金等,但是设定企业拥有不同的环保意识,即我们限定其他条件,只调控企业的环保意识。对比结果分析,如图7所示。

图7表示的依次是企业环保意识为33、55、77、100时企业的运营情况。可以很明显地看出,在利润走势大致相同的前提下,企业的运营结果却有细微的差别。环保意识越小的企业,其相对应的利润对于其他情况来说也有小幅的下降。在几种企业环保意识不同的情况对比中,我们发现,当企业的环保意识达到77时,即较强状态,企业已经能相对地最大化自己的利润。企业并不需要使自己的环保意识加强到100,即对于污染极度排斥,那样虽然能使企业在发展初期不用承受政府过多的惩罚也可以获得公众的良好印象,但从企业的发展来说,也许会在往后的生产过程中逐渐地失去优势,这样并不利于企业的长远发展。而当企业的环保意识为较小的55时,由于市场上政府和公众的参与,会因企业由于对环境保护不够重视而产生相对过量的污染,导致企业利润将受到小幅影响。当然,小幅的影响只会使企业落入相对的劣势,并不会影响企业的整体走向。而当企业的环保意识过于小时,见图中最下方的线,企业的整体走势非常不好,这是由于政府和公众的联合抵制。对于这样没有社会责任的企业,政府和公众都不能满意,其前景堪忧。

4 结语

已有文献多集中于企业内、外部环境中的单一因素对企业环境行为的影响,而在现实生活中,企业环境行为往往受到多重因素的共同影响,因此,本文建立了多主体参与的企业环境行为仿真模型来解决这样一个复杂性问题。本文在企业以盈利为目的的前提下,根据所建立的模型分析得出企业应当加强自身的环保意识才能获得更好的收益; 本文还研究出,在一定程度上,政府加强环境规制对企业的环境行为没有太大的影响,而且会对企业的收益产生不良影响。但是,本文的模型中没有考虑市场对产品需求的不确定性,将在未来的研究中考虑加入市场需求不确定性因子,以完善模型、使模型更能反映现实世界。

摘要：传统的研究方法多集中于单一影响因素对企业环境行为的影响,而忽略了影响因素的复杂性。为研究在多重压力影响下的企业环境行为,建立多主体参与的企业环境行为计算实验模型,模型中考虑了政府、企业、公众等主体并建立了企业主体的学习机制。通过分析模型中不同决策参数对仿真结果的影响,得出企业的环保意识与其收益之间的关系;并发现在一定的情况下政府的环境规制对企业环境行为的影响并不明确,反而会造成企业收益的损失。

基于多主体的消费者行为模式仿真 篇4

长久以来,科研工作者以及企业家都对洞悉市场中人们的消费决策行为有着很大的兴趣[1]。消费者自身的购买决策过程以及他们之间交互方式构成了纷繁复杂的市场现象,其中仍然有许多现象得不到很好的解释,例如“诱饵效应”[7]、“锁定效应”[4]等。研究这些复杂的市场行为能够帮助预测未来市场行为,了解隐含的市场动力学问题,从而一窥“看不见的手”的运作机理。因此,行为模式的探索具有十分重要的科研意义和现实意义,也是近些年的热点问题。

现有的关于商业市场中消费者决策模式的文献,大都运用了基于静态的平衡方程和统计方法来对各种市场数据来进行建模的。一般说来,消费者市场行为数据主要可以分为三类:

1)人口统计学数据指的是人群的年龄、收入、受教育程度等分布情况;

2)消费者行为数据指在经济市场中能实际观测到的消费者购买数据;

3)社会心理学数据指个人的价值观,对不同事物的态度,意见等数据。

传统方法对于处理一些基于简单机制之上的复杂行为模式有一定的帮助,但是由于精度问题和模型本身的局限性,使它们往往不适用于解释一些真实市场中的情况。此外,传统方法也很难同时考虑多种因素(例如内在心理变量)的影响,并且一旦把消费者行为定义得过于复杂,结果就很难收敛[2]。

为了克服传统方法的缺点,找到更高效更合理的研究手段,基于主体的建模和仿真[2]应运而生。它可以应用于经济学、社会行为学、心理学等多个学科的研究,而在本文所主要关注的市场行为领域,同样大有用武之地。已经有研究者使用主体来模拟市场中的消费者,利用它自身的自底向上特性,既能从微观角度观察每一位消费者的个体行为,看到它的行为对自身乃至周边环境产生何种影响,又能从宏观角度显著地观察到由众多主体所构成的虚拟市场中所涌现出来的群体特性[3]。

文献[4]首次用主体来模拟真实世界中的消费者,以动机函数作为背后的市场动力,来驱动消费者选择商品时的决策过程。本文在它基础上更进一步,加入虚拟市场网络的概念,并且仿真其演化过程,更清晰地阐述了“诱饵效应”及“锁定效应”,旨在揭示隐含的消费者关系网的演化过程,以及其所对应的市场机制。

1 基于消费者购买决策模型的主体建模

1.1 消费者购买决策模型

由成熟的市场理论可知,在复杂商业环境中影响消费者做出购买决策的因素主要有:价格,质量,品牌,广告,朋友和家人的好评或差评以及消费者自己先前的购物经验。可以看出,消费者受到的外界影响主要来自两个方面:一方面是与产品经理间的交互,对方精心制定的生产,定价,营销策略其实都在试图给消费者传递积极的信息;另一方面则是与同类的消费者之间的交互。当然在虚拟市场环境中,后者的表现形式就是存在于同类主体之间的作用。而消费者个人的性格则决定了这些因素是如何对他们产生影响,以及产生多大的影响。可以从中提取出三个最重要的,也是最合理的性格特质来观察,它们分别是:价格敏感度,质量敏感度和从众敏感度、虽然每个人的性格特质各不相同,但是就购买产品这个特定的场景来说,一般取决于年龄、职业、受教育程度、收入等。消费者的购买决策模型的框架如图1所示。

1.2 动机函数

从图1中可以看出,消费者们正是受到外界的独立变量影响,并且结合自己性格特质,经过内心心理过程的处理,来产生一个购买某商品的动机,并最终完成购买行为。动机是现代生活的基石,理解动机或者找出人们的真正动机,几乎是解决所有问题的关键,当然也包括购买商品这个场景。举个简单的例子:有两件同类商品A和B,某人对A和B分别会产生一个购买的动机,如果二者只选其一的话,他一定会选择那个对自己来说购买动机更强烈的商品。可以用动机函数来刻画这个认知过程(以下均以A商品为例)如下:

式中MA为主体对于购买商品A的动机值;PA代表商品A的价钱,PSA指消费者对商品A的价格敏感度;QA代表商品A的质量,QSA代表消费者对于商品A的商品敏感度;ftA是消费者从众参数,而inflA则是周围选择A商品的人对该消费者产生的影响。下面具体介绍这些参数如何设置。

1.2.1 价格敏感度

文献[5]指出,消费者价格敏感度是商品实际价格与消费者心理期望价格之差的指数函数,即:

其中,参数α>1,k是与消费者社会地位,经济状况相关的负常数。Pe是消费者对该商品的心理价位,方便起见,使用市面上可供选择的同类产品的平均价格代替。

1.2.2 质量敏感度

文献[6]指出,当选择一件商品的时候,该商品的质量与消费者心理期望的质量越接近,消费者对它敏感度也越高,算式如下:

其中,0<β<1。L与消费者的社会经济状况相关。同样的,这里也是用同类商品的平均质量来代替消费者期望的质量Qe。

1.2.3 受外界的影响

从众敏感度ftA用一个常数参数λ来表征,而周围人的影响可用下式来描述:

其中,d代表了该消费者所认识的购买同类产品的人数。Anum代表了选购A商品的人数,γ是一个衰减参数,m则是其它消费者与当前消费者选择商品不同的次数。可以这样理解,对于某一位消费者,某位他认识的人与他选择不同商品的次数越多,说明他做决定越不受那人的影响,他们关联程度也就越低.

至此,将式(2)-式(4)代入式(1),得动机函数为:

此公式正是使用主体仿真消费者时,驱使主体做出购买选择的假设动因。消费者购物时会在自己可接受的范围内选择使自己满意度最高的产品。同理,在我们的虚拟市场中,主体会选择使自己动机函数最大的产品。

2“诱饵效应”的多主体仿真

2.1“诱饵效应”概述

“诱饵效应”,又称为“非对称支配选择”,最早由Huber、Payne和Puto在1982年发现[7]。它描述了决策者动态重新作出选择的过程。以本文仿真内容为例:市场中有两个品牌的商品A和B,消费者需要从中选择一件。其中,商品A价格比较昂贵,但是质量也较好,而商品B虽然质量一般,但是价格却十分低廉。因此在这个场景中,消费者就需要对价格和质量进行权衡。这时,如果引入第三个商品C,通常它被称为诱饵,它在价钱和质量上都逊于A商品(即:价格比A贵,质量比A差),有趣的现象就发生了:虽然理性的人都不会选择C商品,但是选择A的消费者数量会明显增多,这就是有名的“诱饵效应”。经济学家们使用不同的场景做过大量的实验,都看到了这种现象的存在。同时,又很少有人能够清楚解释人们的这种不理智决策行为,因为它明显违反以下这条标准化公理:

公理1集合A是集合B的子集,x是A中元素。那么,从B中选取x的概率小于等于从A中选取x的概率。即:

证明A代表有商品x和y的情况;B代表引入诱饵x’后,有商品x,y和x’的情况。x’的出现使得x的购买比例显著提高,B情况中选取x的概率反而高于A情况中选取x的概率。与公理矛盾,得证。

2.2 虚拟市场关系网及其演化算法

如前所述,主体是一种基于某种抽象的经验或规则来执行特定动作的个体。在虚拟市场的场景下,规则就是之前介绍的消费者购买决策模型和动机函数。面对没有诱饵情况下两种商品的决策和引入诱饵之后面对两种商品的决策之间的区别来给出“诱饵效应”的一种相对来说比较可信的解释。

此外,为了更清晰地观察各个消费者之间相互影响关系,本文假设虚拟市场中有一张社会关系网络,网络的节点就是消费者,如果两位消费者之间互相认识,换句话说,他们的消费决策会对对方产生影响,则存在一条边。随着加入不同的诱饵商品,消费者每轮都会做出决策,而他们的决策又会对自己的邻居造成影响,反之亦然。这样就会有两方面的因素来促使这张社会关系网络发生演化。一方面是全局的因素:企业的定价,营销策略会对市场中的所有消费者直接产生影响;另一方面是局部因素:某消费者所认识的人在上一轮做出的购买决策会对他在下一轮决策时产生影响。基于这个思想,本文设计出了一种反向的聚类算法,来观察市场关系网络的演化,算法伪代码如下:

3 仿真实验

3.1 实验环境及参数设置

Netlogo是一个用来对自然和社会现象进行仿真的可编程建模环境。它由Uri Wilensky在1999年发起,由连接学习和计算机建模中心负责持续开发。Netlogo特别适合于对随时间演化的复杂系统进行建模,使得探究微观层面上的个体行为与宏观模式之间的联系成为可能,这些宏观模式是由许多个体之间的交互涌现出来的。本实验使用Netlogo的4.0.4版本编程,对虚拟市场中的消费者决策行为进行仿真。

基于对现实生活进行合理抽象和简化模型复杂度的考虑,本实验只使用收入作为一个消费者所有社会经济数据的代表。动机函数中的其他参数设置如表1所示。

以上参数的单位均为统一标度下的虚拟单位。诱饵产品的价格和质量均被A商品压制。由文献[4]的公式推演可以得知,因为假设期望价格和质量均为平均价格和质量的缘故,那些对于初始选择了商品B,而商品A的动机函数值略小于商品B的动机函数值的主体,有可能会改变自己的选择,从而受到诱饵影响选择A。

3.2 实验过程及结果

由于实验参数的初值都不是固定的,因此每次仿真会有略微不同。通过30次仿真实验,Pdecoy和Qdecoy对于PA和QA每轮分别以两个单位的速率进行递增和递减。取30次的平均,网络5次能完成收敛。由于本实验不能重现历史,下面仅展示反映普遍现象的个例:在虚拟市场中创建50个同类型的主体,并且按照表1要求为它们分别设置参数。初始状况如图2所示。

图2中,深灰色的消费者代表选择商品A,白色消费者代表选择商品B,初始状况显示两种商品市场份额大致相当。

接着,引入一系列诱饵商品C1~CN,它们的价钱比A贵,但是质量反而没有A的好。引入诱饵商品之后的虚拟市场发生变化,如图3所示。

从图3中可以看出,经过几轮迭代,因为某些消费者的决策与另一些无关,因此根据所设定的衰减参数,网络中的边开始减少。网络迭代完成收敛情况,如图4所示。

从图4中可以明显看出,由于引入了被商品A所压制的诱饵,导致原先相对平衡的局面被改变,相当数量的消费者改变了自己最初的选择,从白色变成深灰色,A商品的市场占有率明显增多,这正是所谓的“诱饵效应”。

从图4中可以观察到虚拟市场网络中的变化,每次实验经过迭代后,相关程度低的主体之间的边数开始减少,那些还有边相连接的消费者依然受到彼此决策的影响。并且,消费者之间开始出现明显的聚类现象。30次实验的平均数据如表2所示。

进一步观察主体的收入、L、K等参数发现,消费习惯相近,彼此影响较大的群体,他们的社会经济条件往往比较接近。换句话说,处于社会同一阶层的人群,他们有区别于其他阶层人群的特定消费模式,口口相传的威力在同一阶层中更为显著。并且消费者一旦做出相对稳定的选择之后,就不太会轻易改变自己的决策,这也从某种意义上印证了“锁定效应”。

4 结论与展望

与研究消费者行为学的其他方法相比,多主体仿真模拟消费者决策行为的研究手段涉及市场营销学、心理学、社会学、计算机科学等多学科的知识。多主体建模的优势在于它能在同一模型中考虑多种影响因素,包括局部变量、全局变量,以及一些内在的心理变量,虽然它也有现在还无法弥补的一些弱点,例如模型的验证会比较困难,甚至很难有优化的标准,模型依赖初始条件,无法重现历史等,但是它在仿真领域,尤其是解决市场动力学,市场策略博弈等新兴问题上还是大有可为的。

本文使用多主体建模,利用动机函数作为背后的动力,来仿真消费者决策行为。并且将主体行为映射到底层的社会关系网络,并进一步研究网络演化。形象地展示了以往较难解释的诱饵效应,锁定效应等以往较难解释的消费者行为模式。为后续研究提供了借鉴。

未来的研究可以着手于模型的细化,更合理地设定参数,也可以增加主体的功能,使之可以自适应地做出决策,还能研究消费者在市场中其他的保守性行为模式。真正找到一些隐含的但确实存在的市场机制,让人们更好地理解市场规律。

参考文献

[1]Burnett M S,Lundford D A.Conceptualizing guilt in the consumerdecision-making process[J].Consum Mark,1994,11(3):33-43.

[2]Zenobia B,et al.Artificial markets:A review and assessment of a newvenue for innovation research[J].Technovation(2008),doi:10.1016/j.technovation.2008.09.002.

[3]Grimm V,et al.Pattern-oriented modeling of agent-based complexsystem:lessons from ecology[J].Science,2005,310:987-91.

[4]Zhang T,Zhang D.Agent-based simulation of consumer purchasedecision-making and the decoy effect[J].Journal of Business Research,2007,60:912-922.

[5]Kim B,et al.Modeling the distribution of price sensitivity andimplications for optimal retail pricing[J].Bus Econ Stat,1995,13(3):291-303.

[6]Patel S,Schlijper A.Models of consumer behavior[R].Report onESGI 2004,2004.

多主体仿真建模 篇5

IT与业务匹配 (Business and IT alignment, BIA) 能创造更高的组织绩效已得到普遍认可[1,2,3,4,5], 同时, BIA也是企业经理和信息主管在IT方面关注的首要问题[1,6,7]。尽管学术界对如何获得BIA做了大量研究[2,8,9,10,11,12,13], 但大多数将BIA作为一种状态研究其前因、措施和结果, 以致于理论化和“完美”[14,15]。Reich和Benbasat (2000) 、Sabherwal和Hirschheim (2001) 等强调匹配是一个过程[4,14,16,17,18,19,20,21], Allen和Varga (2006) 、Benbya (2006) 等提出从复杂系统角度研究BIA的动态演化过程[22,23], 但在BIA过程中组织内主体如何交互, 主体交互的社会网络结构对BIA有何影响目前学术界尚不明确, 因而成为当前BIA研究的理论盲点之一。 对此探讨有助于信息系统领域的复杂系统理论研究, 进一步理解BIA的自然本质, 从而提升组织BIA水平。

本文主要研究两个问题, 一是组织内主体如何交互, 二是主体交互的社会网络结构对BIA有何影响。具体地, 本文拟依据BIA过程研究中提出的复杂系统理论, 在BIA状态研究中选取IT与业务沟通这一关键成功因素, 将有限理性的利己主义作为组织内主体的价值观, 构建组织内多主体交互的BIA博弈模型, 通过对基于社会网络结构的主体间交互作用建模与仿真[24,25], 探讨不同的社会网络结构对BIA多主体仿真的影响, 帮助研究者理解匹配的发生机理和演化过程, 通过试验结果帮助组织寻求提高BIA的相关策略和措施。

2 文献综述

BIA是指组织中IT和业务如何相互协调、相互融合, 以更好地实现组织目标, 文献中有两种完全不同概念[1]:第一种把匹配看作一个最终状态, 重点集中在匹配的前因、措施和结果;第二种把匹配看作是一个连续过程, 包含特定的行为和反应, 以及过程中可辨识的模式。据此, 对以SAM模型为基础的静态研究和有关BIA的复杂性动态研究做为综述的主要内容, 同时, 主体都嵌入在一定的网络结构中并对系统演化产生影响[26], 因此, 社会网络对博弈演化的影响也成为综述内容之一。

2.1 以SAM模型为基础的BIA静态研究

Henderson和Venkatraman (1992) 提出了经典的战略匹配成熟度 (Strategic Alignment Maturity, SAM) 模型[4], SAM模型已经得到实证支持, 并具有较高的理论和和实用价值, 成为所有匹配模型中引用之首[1,27]。Luftman等 (1999, 2000) 在SAM模型的基础上提出了BIA的六个维度以及匹配的测度问题[28,29]。不少学者对如何提高BIA, 即识别出影响BIA的关键成功因素, 做了大量研究。如Reich和Benbasat (1996, 2000) 认为, IT与业务的沟通、 IT与业务的联系、共享知识和成功的IT历史影响匹配[9,10]。Kearns和Lederer (2003) 认为, 首席信息官 (CIO) 参与业务规划和首席执行官 (CEO) 参与IT战略规划有利于促进IT和业务规划之间的关系, 从而促进BIA[28]。Chan和Sabherwal等 (2006) 实证得出, 共享知识、先前信息系统成功、组织规模和环境不确定性对匹配的影响[8]。Kearns (2006) 指出CIO参与业务规划和CEO参与IT战略规划是促进BIA的方式, 而CEO的IT知识对参与有正向影响[12]。Preston (2009) 认为共享语言、CIO的业务知识和高层管理团队的信息系统知识等对促进共享理解有正向作用[13]。Yayla和Hu (2009) 将BIA的驱动因素总结为IT和业务规划的联系、IT和业务之间的沟通, 影响驱动的前因主要有IT部门的结构、共享知识、IT成功历史和关系管理, 并进行了实证分析[2]。

以SAM模型为基础的BIA静态研究厘清了BIA的前因、措施和结果, 但存在对BIA动态过程和复杂性关注不足。如Baets (1992) 质疑SAM模型假设 (即参与者都了解组织的经济环境和公司战略) , 他认为, 在大多数组织中不存在整体的被广泛接受的战略, 甚至大多数组织成员不知道公司战略[16]; Ciborra (1997) 认为很多研究过于理论化[30], Sabherwal和Hirschheim等 (2001) 认为这些研究往往是从经验角度来开发和测试“完美”的匹配模式[15]。

2.2 BIA复杂性的动态研究

很多研究都强调匹配是一个过程, 而不是最终状态[4,14,16,17,18,19,20,21]。即使组织取得了匹配, 其环境仍或快或慢地持续变化, 如果业务战略或结构因环境而发生改变, 其他部分也要做同步转变才能维持匹配, 或者此时组织处于一个比较低的匹配阶段, 直到其他部分又重新获得匹配为止。Reich和Benbasat (2000) 将BIA划分为短期匹配和长期匹配, 并考察了不同因素对这两种匹配的影响[10];Sabherwal和Hirschheim等 (2001) 将BIA划分为战略匹配、结构匹配、业务匹配、IS匹配以及跨维度匹配 (包括业务结构与IS战略跨维度匹配、业务战略与IS结构跨维度匹配) , 并借助间断平衡模型来说明BIA的动态演化过程[15];Allen和Varga (2006) 从复杂系统视角来解释IT与业务的协同进化, 组织中的每个个体或主体均有自身的价值观, 与其他主体交互从而协同进化。基于主体的价值观框架是理解组织进化的关键, 主体间的交互构造共识, 并影响着每个主体进一步演化的能力和动机[22];Benbya (2006) 认为, 协同进化和匹配的自然本质是BIA困难的背后原因。复杂理论, 尤其是基于协同进化的自组织行为和自然结构, 提供了研究匹配的重要视角。并指出, IT与业务匹配是发生在个体、运作和战略三个层面的一系列调整过程, 促成条件——适应性和无标度动态原则, 有助于加速在三个层次的适应协同进化动态[23]。

以上研究重视BIA的动态性和复杂性, 并从复杂系统角度提出了间断平衡、协同进化等动态演化过程, 但这些研究仍处于概念和框架阶段, 缺乏更具体的研究, 例如, 组织内主体交互如何影响BIA?主体的社会网络结构对BIA有何影响?这些问题尚无法解答。

2.3 社会网络对博弈演化的影响

博弈主体的网络空间结构, 即社会网络, 对博弈的演化博弈方向有着重要的影响。Nowak和May首先将空间结构引入到囚徒困境的研究中, 揭示了规则格子 (regular lattice) 对合作行为的促进作用[26,31], 随后的很多研究表明空间结构能够促进和维持囚徒困境中合作的产生和稳定[32,33,34], 但Hauert和Doebeli (2004) 研究发现空间结构抑制了雪堆博弈中的合作涌现[35]。Watts和Strogatz (1998) 提出了著名的WS小世界网络 (SWN) , 并引起了广泛关注。Abramson和Kuperman (2001) 最早研究了WS小世界网络模型上的演化囚徒困境博弈[36], 随后很多研究也表明小世界结构对合作涌现有促进作用[37,38,39], 同时, Shang等 (2006) 、Zhong等 (2006) 、Xu等 (2007) 研究了小世界网络下的雪堆博弈, 发现其促进作用视条件而定, 甚至一些情况会抑制合作行为的涌现[40,41,42], 上述研究表明不同的空间结构对不同的博弈类型, 其影响作用不同。

以SAM模型为基础的BIA静态研究厘清了BIA的前因、措施和结果, 而有关BIA复杂性的动态研究提供了复杂系统、多主体等研究视角, 同时, 社会网络结构对不同博弈演化也产生了不同的影响。因此, 本文是在Zhang (2010) 规则格子下研究BIA多主体仿真[43]基础上, 依据复杂适应系统理论, 基于社会网络结构针对BIA的关键前因做多主体仿真研究, 探索组织内主体如何交互, 以及主体交互的社会网络结构对BIA有何影响。

3 模型与方法

3.1 BIA博弈模型

在以SAM模型为基础的BIA静态研究中, 强调IT计划与业务计划的联系、IT和业务之间的沟通, 是影响BIA的关键成功因素[2,8,10], Allen和Varga (2006) 、Chan和Reich (2007) 强调组织内主体的价值观框架是理解组织进化的关键, 主体间的交互构造共识, 并影响着每个主体进一步演化的能力和动机[22,44], 因此, 在此基础上借助博弈论将IT和业务单元或个人看作是有限理性的利己主体[43,45], 根据影响BIA的关键成功因素, 假设:

i:参与BIA博弈的主体, i=IT表示IT主体, i=BU表示业务主体;

Si:博弈方采取的策略, Si=1表示匹配策略, Si=0表示不匹配策略;

C:博弈方单方面选择匹配所造成的匹配成本, 主要包括:IT和业务人员在知识结构上的学习成本、IT与业务的沟通成本, 以及为了匹配需要引起流程变更或系统调整而造成的利益损失或成本付出;

B、R:假设双方都采取匹配策略 (SIT=1, SBU=1) 时, 企业从匹配中获得IT投资价值并分配为各主体的奖励均为B, 则主体的收益为R=B-C;

P:企业可能会对主体采取不匹配行为给予惩罚P.

博弈收益及策略组合如表1所示。

3.2 社会网络空间结构

目前主要有四种网络结构:规则格子、小世界、随机网络、无标度网络。Watts和Strogatz (1998) 提出了WS小世界经典模型, 引入一个由规则格子向随机网络的过渡的机制[46]:

①从规则网络开始:初始为一个排成环形的包含N个节点的规则网络, 每个节点的度为K, 即每个顶点同它的K个邻居相连 (每一侧有K/2个连接) ;

②随机化:以某个很小的概率p断开规则网络中的边, 并随机选择新的端点重新连接, 同时保证没有自连接和重复边;

③重复②, 直到遍历所有的边, 就可以得到具有不同随机性的网络。

通常称p为网络的重连概率, 被重连的边称为长程边。当p=0时, 可以获得如图 (a) 所示的规则格子网络模型;而当p=0.1时, 变成了图 (b) 所示的WS小世界网络[47];而当p=1时, 可得图 (c) 所示的随机网络。随着p值的增大, 代表着从有序结构向无序结构的转变, 同时, 平均路径长度和聚类系数均由大变小, 如表2所示。

本文主要使用Watts和Strogatz (1998) 提出的WS小世界经典模型[46], 通过改变重连概率p值, 研究规则格子、小世界网络和随机网络等社会网络结构对BIA多主体仿真的影响, 而无标度网络因增长性[48,49]暂不考虑。

3.3 多主体仿真方法

本文使用Matlab软件作为BIA多主体仿真工具, 其中N=1000个节点, 每个节点i代表一个主体。 其平均紧邻节点数K=4, 每个节点i在不同的结构中分别与邻域节点j (j∈Ki (P) ) 进行有限次博弈。 p为重连概率, 令x代表面临不同策略邻域节点的主体, 为简化计算令R=1, 即采取匹配策略时收益为 (1, C) , 不匹配策略时收益为 (P, P) , 支付矩阵如下:

$A=\left(\begin{array}{cc}1& C\\ {\rm P}& {\rm P}\end{array}\right)$

每回合博弈之后, 博弈方根据其邻域节点j的策略计算其收益:

${\rm P}{}_i(\tau )={\displaystyle \sum _{j\in \Omega {}_i}x}{}_{i}Ax{}_j^{{\rm T}}$

其中, Ωi是节点i的邻域节点集合, Pi是τ回合的收益, 且该收益不累计到下一回合[36]。

在初始回合中, 每个节点按平均概率随机选取匹配或不匹配策略, 计算自身收益并观察该回合中领域节点的收益。以后回合中, 主体学习并调整自己的策略以获得更大的收益, 采用优胜劣汰 (win-stay and lose-shift) 原则来模拟其策略取向[36,39], 节点i模仿邻域K (P) 中收益最大的节点的策略, 并作为当前回合的策略。若其收益大于邻域的最高收益, 则在下一回合中保持当前策略;若小于, 则下一回合采取该收益最高邻域的当前策略 (若最高收益邻域节点多个时, 则随机选择其一策略) 。即:

4 试验结果

4.1 由规则格子到小世界再到随机网络, 不断 提升了匹配成本对总体匹配的阈值

在多主体仿真过程中, 假设企业对主体不匹配行为不惩罚, 对匹配成本C和重连概率p采取不同的变化值 (0, 0.1和1) , 以观察规则格子、小世界网络和随机网络对采取匹配策略的主体数的影响。图2是三种网络结构下不同匹配成本 (C从0.2按0.2步长增加到4.0) 对应主体采取匹配策略数, 由此可知:

①规则格子网络结构下 (p=0) , 匹配成本从0.2增加到2.8均在100回合演化中“涌现”出总体匹配;当匹配成本大于等于3.0时, 采取匹配策略的主体数出现了显著下降。

②小世界网络结构下 (p=0.1) , 和规则格子类似, 匹配成本从0.2增加到2.8均在100回合演化中“涌现”处总体匹配, 且总体匹配涌现的速度加快;但当匹配成本大于等于3.0时, 则“涌现”出整体不匹配。

③随机网络结构下 (p=1) , 匹配成本从0.2增加到1.8均“涌现”处总体匹配;但当匹配成本大于等于2.0时, 则“涌现”出整体不匹配。

本文的实践意义是, 组织在获取或维持BIA过程中, 应树立强烈的危机意识, 审视不同的社会网络结构及其对BIA的影响。由规则格子到小世界再到随机网络, 不断提升了匹配成本对总体匹配的阈值, 这意味着一方面主体交互的随机性会对组织带来不利影响, 尤其是高匹配成本时, 组织应制定出明确的跨部门沟通、合作关系, 避免不相关主体之间的无序交互;另一方面, 主体交互的随机性也会加速匹配策略的演化过程, 组织应打破IT与业务主体的固定交往, 制定IT和业务有效的互动机制, 促使整体匹配尽快“涌现”, 如请关键用户参与信息系统开发和应用过程, 或将IT人员分配到相关业务部门长期合作, 以及这两种方式的混合。

本文未考虑主体的不同层次和角色, 在未来研究中有待区分, 以及不同管理层次主体的不同作用, 结合无标度网络等, 探索更贴近现实的BIA动态演化过程。

多主体仿真建模 篇6

汽车零部件物流超市可以满足现在汽车生产小批量、多频次的特点以及柔性化生产的需要,能及时、准确地将汽车生产所需的数千种零部件配送到生产装配线的各个生产工位,以保证汽车生产的持续进行,并显著提高汽车生产物流的效率。

本文运用Flexsim软件对汽车零部件物流超市进行仿真优化,为多车型汽车零部件物流超市的作业流程优化提供参考和依据。

1 物流超市概述

国外对物流超市的研究主要集中在装配企业对物流超市的应用研究。Persom( 2007)[2]认为,装配企业需求的零部件众多,对库存安排提出了更高的要求。Battini( 2010)[3]研究了在装配企业内部多个装配车间基础上,物流超市的数量与分布问题,并认为在订单式装配生产企业中,仓库的位置、大小和物料上线配送速度将会很大程度上影响生产的持续进行,物流超市的出现将非常有利于装配线的柔性化运作和生产的持续高效进行。Akcay( 2004)[4]研究了在集中库存基础上,物流超市的分散库存对生产的保障作用。Desouza( 2008)研究了物流超市中物资的包装与提高生产物流效率的问题。 Golz( 2011)[5]研究了物流超市操作人员的数量和每个操作员负责装配线的数量,以及在超 市中的活 动路径。Emde和Boysen( 2012)[6]研究了物料运作调度问题。

国内关于面向生产的物流超市的研究非常有限。俞杰 ( 2004)[7]以某工厂为实例介绍了物流超市的具体实施情况和实施效果,并认为物流超市在工厂内部应用中有其它物流方式不可替代的优点,它对于目前产品种类多、批量小、产品切换快等特点有着非常强的适应能力,是产品具有前述特点的企业在生产物流模式方面的一种较好选择。蒋丽( 2011)[8]采用以工位为中心的思想将存储区划分为一个个为特定工位服务的物料超市,建立工位与超市之间的对应关系,对车间存储管理进行优化。郑秀恋和刘陆( 2013)[1]分析了传统汽车生产物流面临的问题,并认为物流超市通常设置在汽车生产车间附近,若车间空间足够大,也可以直接设在车间内,而物流超市的数量也可能不止一个。吴向峰( 2014)[9]以中国重汽集团济南整车装配车间为研究对象,完善和优化物料超市物料供应体系,并对优化策略的应用效果进行理论检验。

2 多车型汽车零部件物流超市作业流程描述和模型建立

汽车零部件物流超市基本作业流程主要包括: 根据生产计划生成物料清单、检查库存、拣货、配送、补货、空箱返回等,如果某种零部件低于安全库存,会及时向供应商发出订单,货物到场后,经检验合格,运送到相应货架,具体如下图所示:

由于汽车零部件物流超市系统是一个非常复杂的系统, 为方便建模,本文假设汽车生产车间一条流水线生产A和B两种车型,两种车型的物料清单有所差异( 物料清单如下表) 。 每天的生产数量240台( 每天8小时) ,其中A车占75% ,B车占25% 。需要按2分钟一台的生产率向生产线的三个工序I补给a零件,II补给b零件,III补给c或d零部件。当各零部件低于安全库存时,发出订单,a订货批量为400,b订货批量为350,c订货批量为200,d订货批量为150。a,b,c,d的最大库存分别为2000,2000,1200,800,安全库存为最大库存的20% 。当供应商送货到达时,需要多个操作工进行验货,验货时间服从为Normal( 4,2) 。验货完之后用叉车以2 /s的速度入库储存。向生产线补给零部件时需要将abc或者abd进行排序( 打包) ,然后用叉车运到暂存区,叉车运行时间为2min, 送到线边拆包,并将相应零部件放置于相应工序的料架区,排序时间服从Normal( 1. 5,0. 75) ,拆包时间服从Normal( 1,0. 5) 。料架区的a,b,c,d的最大库存分别为100,100,50,50,安全库存为最大库存的20% 。

本文的研究目的主要是通过资源的有效配置,提升系统的效率和利用率。

3 利用 Flexsim 软件构建模型

3. 1 Flexsim 软件简介

Flexsim是新一代的仿真软件,是基于Open GL技术开发的,三维效果非常好,它是迄今为止世界上惟一一个在图形建模环境中集成了C + + IDE和编译器的仿真软件。在这个软件环境,C + + 不但能够直接用来定义模型,而且不会在编译中出现任何问题。这样就不再需要传统的动态链接库和用户定义变量的复杂链接。Flexsim能应用于建模、仿真以及实现业务流程的可视化,它能使决策者很容易在个人计算机中建构及监控任何工业及企业的分布式流程。

对象参数可以表示几乎所有存在的实物对象。像机器、 操作员、传送带、叉车、仓库、交通灯、储罐、箱子、货盘、集装箱等等都可以用Flexsim中的模型表示,数据信息也可以轻松地用Flexsim丰富的模型库表示出来。同时Flexsim可以让建模者使模型构造更具有层次结构。在组建客户对象的时候,每一组件都使用了继承的方法,在建模中使用继承结构可以节省开发时间。Flexsim可以使用户充分利用Microsoft Visual C + + 的层次体系特性。

Flexsim系统中实体库可分为固定实体、任务执行器和其他实体。其中,固定实体包括生成器、吸收器、处理器、输送机、合成器、分解器、暂存区、网络节点、流节点、货架、基本固定实体等; 任务执行器包括操作员、输送机、堆垛机、机器人、 基本任务执行器等; 其他实体包括分配器、网络节点、记录器等[10]。

3. 2 Flexsim 模型建立

根据物流超市的作业流程,用料架模拟四种物料的仓库, 用四个暂存区模拟工序前的物料暂存区,另外用四个暂存区模拟供应商,用一个暂存区模拟来料检验等候区,用合成器模拟货物的排序操作,用分解器模拟分拣操作,用合成器模拟三道加工工序,用处理器模拟检验员进行检验操作,用输送机模拟场内叉车。实体布局如下图所示:

该模型运行逻辑是: 当加工工序前的暂存区库存低于总库存的20% 时,发出补料请求,拣货员从货架上取出零部件进行打包后,由叉车送到暂存区前的分拣区,分拣后送到各个暂存区。当仓库库存到达总库存20% ( 安全库存) 时,向供应商发出订货单,供应商送到的物料经过检验后补充到各个指定货架。

为实现以上逻辑,在工序前暂存区的触发器中编写如下代码:

treenode item = parnode( 1) ;

treenode current = ownerobject ( c ) ;

int port = parval ( 2 ) ;

if ( content( current) < = gettablenum( “货架安全库存”,1, 1) * getvarnum( current,“maxcontent”) )

{ openoutput( node( “Source19”,model( ) ) ) ;}

}

在货架的触发器中编写以下代码:

treenode item = parnode ( 1 ) ;

treenode current = ownerobject ( c ) ;

int port = parval ( 2 ) ;

if ( content( current) < gettablenum( “货架安全库存”,1,1) * getvarnum( current,“maxcontent”) )

{

int sameitem = 0;

treenode queue = node( “source2”,model( ) ) ;

for ( int index = 1; index < = content( queue) ; index + + ) {

{

if ( getitemtype ( rank ( queue , index ) ) = = getitemtype ( item ) )

{

sameitem = 1 ;

break ;

} }

if ( sameitem = = 0)

{

senddelayedmessage ( centerobject ( current,1 ) ,0,current ) ;

} }

每一个实体都需要根据物流超市作业流程的描述设置相应参数,从而实现对物料超市作业流程的模拟。

4 初始模型的 Flexsim 仿真及其结果分析

为提高系统建模与仿真的效率,在不同层面和深度上分析系统性能,有必要进行仿真试验方案的设计。仿真试验设计的内容包括仿真运行的时间、仿真试验的次数以及如何根据仿真结果修正模型及参数等。

本次仿真模拟了物流超市一个月内的作业流程,仿真运行的时间设置为864,000秒。

本次试验中采用近似计算法确定试验所需的计算次数。 其具体方法如下: 先运行10次,根据10次运行的结果计算出初始样本方差,再根据公式:

确定需要运行的次数。其中,αD_Dd_á_66666666666。 十次运行后,货架库存和叉车、检验员效率如下表所示:

注:*仿真次数是指为达到相对误差根据上文提出的相似计算法计算出所需要运行仿真的次数,实际应用中应向上取 整,下同 。

通过实验数据可以发现,仓库的利用率偏低,很大空间都未得到有效利用。同时,检验员和叉车的运行效率也偏低,存在优化空间。

5 模型优化以及结果分析

5. 1 模型优化

通过上述的仿真数据发现,在显著性水平 α料货架最大库存的置信区间上值为310,而四种货架的最大库存分别为2000,2000,1200,800,因此,库存空间存在巨大浪费。为合理利用空间,提升场地利用率,将四种货架的最大库存量分别设置为900,800,450,350。

同时,从效率上看,一台叉车和一个检验员就能满足装卸和搬运需要。但是,由于检验时间存在波动,在实际操作中, 也可能出现意外。为防止意外造成缺货,从而产生高昂的缺货成本,因此保留两个检验员和两台叉车。

5. 2 改进模型仿真试验结果及其分析

通过运行改进模型,得到各货架库存量如表4所示。根据该表可以看出,降低各个料架库存容量后,各个料架的容量仍能满足需求。

优化后,检验员和叉车的工作效率得到了显著提升,其效率如表5所示。从表5中可以看出,检验员和叉车效率都提升了一倍左右。

6 结束语

多主体仿真建模 篇7

2012年9月16日～18日, 由中国工程院机械与运载工程学部、教育部科学技术委员会主办, 清华大学承办的高端成形制造技术及多尺度全流程建模与仿真工程前沿研讨会在清华紫光国际交流中心成功召开。参加此次会议的专家有来自我国重点科研院所和重点企业的知名学者及清华大学师生100多人。柳百成院士任大会主席。

柳百成院士作了《先进成形制造技术及全流程建模与仿真发展趋势》的主题报告。来自英国莱斯特大学的董洪标教授、美国通用汽车公司全球研究院罗爱华博士分别作了《燃气轮机部件熔模铸造:挑战与战略》、《汽车轻量化制造技术及集成计算材料工程》的特邀报告。林忠钦院士等多位专家分别做了专题报告。此次会议在时间上分为6节, 12位专家任分节会议主席, 共有29份报告。

会议一致认为:

(1) 我国已是制造大国, 但远不是制造强国。制造技术特别是成形制造技术已成为我国制造业发展的薄弱环节, 要十分重视发展先进 (高端) 成形制造技术。

(2) 发展先进成形制造技术, 一是高新技术与成形制造技术相互融合, 二是广泛采用信息化 (数字化) 技术。

(3) 先进成形制造技术的发展方向是大型化、轻量化、优质化、精密化、数字化、智能化、清洁化。

(4) 数字化成形制造技术的发展趋势是多尺度、全流程、高精度、高效率的建模和仿真。

(5) 要加大对先进成形制造技术等“共性技术”的研发投入, 要加强建设产、学、研、用“共性技术”协同创新联盟。

在会议闭幕式上, 柳百成院士总结了此次会议的特点:会议务实、国际接轨;报告精彩、气氛和谐;讨论热烈、形成共识;产学研用、协同创新。

18日下午, 部分参会人员参加了“先进成形制造多尺度全流程建模与仿真创新平台”的启动会。