Un approccio Agent Based Model per la decisione delle scelte strategiche

Corso di Laurea magistrale (ordinamento

ex D.M. 270/2004)

in ECONOMIA – Economia dell’ambiente e

della regolazione dei mercati

Tesi di Laurea

Un approccio Agent Based

Model per la decisione nelle

scelte strategiche

Relatore

Ch. Prof. Carlo Giupponi

Corelatore

Ch. Prof. Vahid Mojtahed

Laureando

Enrico Sisti

Matricola 831587

Anno Accademico

2013 / 2014

3

Indice

1. INTRODUZIONE ... 5

2. AGENT-BASED MODELLING ... 7

2.1. Introduzione del concetto di ABM e caratteristiche fondamentali ... 10

2.2. Struttura di un agent-based model ... 11

2.2.1. Le caratteristiche degli agenti ... 13

2.2.2. Coordinazione tra gli agenti ... 19

2.2.3. RA P P R E S E N T A Z I O N E D E L L’A M B I E N T E ... 24

3. SOFTWARE GEOREFENZIATI E ABM ... 26

3.1. Considerazioni su i software precedentemente passati in rassegna. ... 39

3.2. Il ruolo del GIS ... 40

3.3. Problematiche nell’integrazione tra GIS e ABM ... 43

3.3.1. Modelli a dati spaziali ... 44

3.3.2. Modelli basati su processi spaziali ... 45

3.3.3. Implementazioni software ... 48

3.3.4. Sistemi integrati ... 49

3.3.5. Gestione delle quattro relazioni attraverso l’utilizzo di un sistema per il collegamento dei modelli a dati spaziali con gli ABM ... 50

3.3.6. Conclusioni ... 51

4. PROTOCOLLO METODOLOGICO E CONCETTUALE PER LA REALIZZAZIONE DI UN ABM ... 53

4.1. Formulazione di un ABM ... 56

4.1.1. Panoramica ... 58

4.1.2. Design concepts ... 58

4.1.3. Dettagli ... 60

5. LO SVILUPPO DELLE BIOENERGIE ... 62

6. REALIZZAZIONE DEL MODELLO ... 69

6.1. Panoramica ... 69

6.1.1. Obiettivi ... 69

6.1.2. Entità, Variabili di stato e Scala del Modello ... 69

6.1.3. Definizione del Processo e Programmazione ... 72

7. ANALISI DI SENSIBILITÀ ... 79

4

8. SVILUPPI FUTURI E CONCLUSIONI ... 89

9. Appendice I – Rassegna Software per Agent- Based Modelling ... 92

10. Appendice II - Codice di progammazione NetLogo ... 97

11. Bibliografia ... 102

12. Indice grafici e tabelle... 108

5

1. INTRODUZIONE

Si sta di ffondendo nell ’am bito degli studi concernenti il cam biam ent o climatico e in particol are nell e conseguenz e che questi cambi am ent i comportano nell a sfera soci al e ed econom ica degli agent i coinvolti, un approcci o di fferent e ris petto all a tradizional e t eoria economica b asat a s ull’equilibrio general e. Le cause dell a vari azione del paradigm a precedentem ente utilizzato s ono da i ndi viduare nell a com pless a int erazione tra l e tre di fferenti aree coinvolt e nello studio di quest o tipo di fenom eni. Se consideriam o i met odi util izzati per i ndagare i rapporti tra dinamiche ecologi che e s oci o -econom iche si pos sono di stinguere due m odi differenti: la prima, che utilizza un punto di vista basato sull’ecologia , esamina le conseguenze dell’impatto antropogenico sul sistema ecologico; la seconda, es aminando il sist em a soci al e soggetto al vincolo delle ri sorse limitat e im pos to dal sistema ecologi co. Nel primo caso gl i scienziat i effettuano una dett agli at a des crizione quantitat iva dell e ris orse disponibili per poi valut are in bas e al li vel lo di util izzo/gestione ant ropogeni co dell e risorse quando quest e si esauriranno. In quest’approccio la dinamica s ociale è utilizzata esclusivamente per determinare il consumo di risors e. Nel s econdo ca s o, gli sci en ziati, ipot izzano l ’int erazi one tra svariati agenti che hanno l’obiettivo di massimizzare il proprio benessere dato un limitat o num er o di risorse. In quest o caso gl i el ementi sono costituiti da agenti economici indipendenti che int eragiscono i n modo com petitivo per mass imizzare i propri ben efi ci, in una si tuazione in cui le ri sors e disponibili sono limit at e. Quest’ultimo approccio, assumendo che il modello decisionale di ogni agente sia analogo per ogni agente e che si a pos sibil e l’aggregazione t ra gli agenti , può ess ere ut ilizzato s ia a livello mi cro si a a livell o macro (Bous quet and Page 2004) . Nessuno dei due m etodi è però i n grado di indagare e comprendere l e i nt erazioni tra l a component e ambientale , sociale ed econom ica e, in modo particol are non sono i n grado di gestir e l ’et erogenei tà che caratt erizza l’i nterazione tra queste com ponenti . Gli st udi afferenti le dinamiche dei socio -ecosistemi hanno quindi spost ato la p ropria attenzione focalizzandol a sull a connettivi tà t ra gli elemen ti del sistema, l a l oro i nt erazi one , l e nuove propri et à em ergenti dall’int erazione t ra gli agenti e l ’organizzaz ione del sist em a att raverso tutti i li velli (dal mi cro al m acro). Secondo Holling (1987) sono t re i concetti che hanno defi nito i pri ncipi per l a gestione dell’ecosistema. Il primo basato sulla nozione di equilibrio ecologico; il secondo bas ato su di versi li vel li di st abi l ità di un sis tem a ( engineering resil ience ) è det erminat o dall a vari abilit à degli eventi che si manifest ano su pi ccola s cal a; ment re il terzo è defi nito com e cam bi am ento organizzat ivo (nat ure evolvi ng), ovvero come evol uzi one del sis tem a st esso. Nel terzo concet to espresso da H ol ling il sistem a evo l ve a caus a di dinami che interne ed est erne, i n parti col are s e nel sistema è incluso l’essere umano, quest’ultimo è in grado di modificarne direttamente l’evoluzione. L’ultimo concetto corrisponde al punto di vista utilizzato dall a s cienza dell a compl essit à: lo stato general e di equilibri o tra entità che int eragis cono tra loro può convergere verso un uni co at trattor e (sia quest o un punto, un s enti ero o un bacino), può essere disordinato o può mostrar e un

6 cambiamento conti nuo e impr evedi bil e nell ’assett o or g anizzativo (Wol fram , 1984; Langton, 1992).

Quant o sopra riport ato: auto -organizzaz ione, nuove propriet à em ergenti a seguit o dell’interazione tra gli agenti e co -evoluzione tra ambiente e agenti, sono le dinamiche proprie di un socio -ecosis tema (S ES) . I socio -ecos ys tems sono dei sistemi adatti vi com ples si (Com pl ex Adapti ve S ys tem ) dove l e componenti soci al i ed ecol ogi che interagis cono tra l oro i n di fferenti s cal e t emporali e spaziali (Rammel , Stagl, and Wilfing 2007). At traverso l ’int erazione e l’appr endim ento dal propri o am bient e i com plex adaptive s yt em modi ficano il loro comport am ent o adatt andolo ai cam bi am enti del proprio ambiente, l a sost enibi lità di questi si st emi parte dall’interazione ai livelli più piccoli di aggregazione per poi espandersi ai livel li s uperi ori , questo com portamento l i rende estrem am ent e s ensibili a qua l sias i tipo di event o perturbativo e allo st ess o tem po rende imprevedibil e l ’evol uzione com plessiva del si stema s tesso.

Data l’enorme difficoltà nell’investigare le dinamiche delle strutture complesse come i CAS si è spesso ricorso all’utilizzo di simulazioni al computer per provare a determi narne il com portam ento. La possibi lit à di creare dei modell i per des crivere l o st ato attual e del s ist ema permette di formul are delle poli c y considerando caratt eristi che quali : resili enza, st abi lit à, capaci tà di adatt amento dei differenti s cenari esaminat i.

Nel prossimo capitolo si es amineranno l e met odol ogi e utiliz zate per predi sporre una sim ulazi one com put azional e di un det erm inato scenari o .

7

2. AGENT-BASED MODELLING

La capacità di gestire mediante un modello l’eterogeneità degli agenti coinvolti e cogliere l’emergere della caratteristica di auto -organizzazione da parte degli agenti sono due tipi che caratteris tiche degli ABM (Agent B as ed Model ) che non s i trovano in alt re tecniche di s imul azione quali la simul azione per eventi di screti e nell a m odelizzazione mediante la dinami ca si stemica (M acal North 2010) . P rim a di pres ent are una defi nizione est ensi va del concett o di agent bas ed model è bene vedere qual e tappa l a ri cerca ha percorso per raggiungere la form alizzazione e l a sost anzi ale diffusione di ques ta m etodol ogi a di anal isi espl orativa, aiut andoci a com prendere quali sono st ati gli ost acoli finora affrontati e quali limiti che attualm ent e tal e approccio presenta.

L’utilizzo dei primi sistemi computazionali per la modelliz zazione è da attribuire agli studi effettuati nel campo dell ’Int el ligenza Artifi ci al e. I nizialm ent e gli st udi di questo parti colare settore erano indi cati con l a nom enclat ura DAI Dist ribut ed art ifi ci al Int ell igence è avevano l’obiett ivo di riprodurre i l process o di apprendimento e l e conseguenti s celte da part e di un gruppo di agenti et ero genei ; l’aspetto nuovo di quest’approccio era di studiare un gruppo di agenti (eterogenei) e non focalizzarsi su i processi di scelta di un si ngolo agent e. All’i nt erno di quest a nuova branca si potevano di stinguere due di fferenti approcci m et odol ogi ci : il prim o focal izzato sull o st udio dell ’autonomia decisional e dei singoli agenti e il secondo sulle dinamiche d’interazione di un sistema multi -agente e in particolare nell’assetto organizzativo di cui queste interazioni ne erano la conseguenza (Huhns and Stephens , 1999). Alt re branche di st udi non di rett ament e conness e all e sci enz e inf orm ati che, com e la bi ologia e le sci enz e soci ali iniz iarono a utilizzare il medesim o approccio. Questo i ncont ro t ra sci enz e di fferenti comportò, da una part e la ri formul azione di dom ande afferenti l a biol ogi a e l a sociol ogi a bas andosi su un approccio a si s tem a multi -agente, dal l’al tro i ri cercatori nel campo dell e s ci enz e inform ati che i niziarono ad appli care concetti proveni ent i: dall a ps icologia cognitiva e dall a t eori a dei gi ochi per razionalizzare il com portam ento degl i agenti; dalla sociol ogia per defin i re i m odelli comport am ent ali t ra gli indivi dui e la s ociet à e dal la linguisti ca per defini re il protocol lo di com uni cazione int erno al sistema. Anche l’ecologia fu interessata da queste nuove metodologie applicati ve i n quant o si stava diffondendo sempre di pi ù la necessit à di i ndagare l e interazioni tra gli agenti disposti all’interno del proprio ambiente.

Inizi alm ent e per gesti re i coll egam enti tra sist ema ecol ogi c o e sis tem a soci oeconomi co i ri cercatori hanno int egrato i due sottos istemi m edi ante una rappresent azione m odul are degli effet t i di ent rambi (C os tanz a 1993). Quest a metodologi a utilizz a gli strum enti e i m odelli m atem ati ci sviluppati dirett am ent e da Von B e rtallanf y nell a sua t eori a dell a dinami ca sist emica. La t eori a degli ecosistemi si è ispi rata in part e all a t eori a dei si stemi analiti ci, in part e all a teori a del cont rollo e dell a gestione delle informazioni , all a t ermodinami ca e all a t eori a dell e reti (M ul ler 1997). Con quest’ approccio il soggetto deput ato a m odell are i l sistema è i n grado di descriverlo com e un determi nat o numero di moduli connessi

8 tra loro da fluss i s cambi o. I m odul i o com partim ent i rappres ent ano l e vari abili aggregat e (si ano quest e s co rt e, ri serve, entità…); i flussi di s cambio t ra i vari moduli possono rappres ent are lo scambio di mat eri a, energia o informazi oni. Questa metodologia di modelizzazione consente l’integrazione della componente ecologica ed economica in uno stesso modell o. U n’altra peculi arit à di quest’approccio sistemico è da rinvenire nel controllo che ogni sottosistema effettua nei confront i degli al tri sottosist emi, s e pensi amo a un s empli ce modell o bas ato sull a relazi one ri sors a – raccol t a – capit al e vedi am o che la veloc it à di consumo dell a risorsa è det erminat a dal la vel oci tà di raccol ta che a s ua vol ta è det erminat a dal capital e dis poni bil e. Le assunzi oni teori che e gli strum ent i utilizzati all a base di ques t’ approcci o conducono all a rappres ent azione di un sistema ecol o gi co che t ende a raggi ungere un equil ibrio st atico (Uchmanski and Grim m 1996).

Nel tempo si è sviluppato un nuovo paradigma di ricerca che ha posto l’attenzione sull’individuo in particolare nelle problematiche relative al comportamento e alla modalit à di int erazione. L’approccio è basato sul presupposto che l’ i ndi viduo è i n poss ess o d i m etodi e st rumentazi oni propri e per l’i nt erazione con l a soci età e l’ambiente in cui è posto. In ecologia questi modelli furono denominati individual-bas ed models ( IBM ). Quest a m etodologia ris ult ava particolarm ent e adatt a per ess ere applicat a al s econdo e t erzo pri ncipio di Holling : le s celte i ntrapres e dagl i indivi dui sono det erminat e da peculiari caratt eri sti che che li rendono uni ci (J udson , 1994 ) e dal proprio passat o ( Gross, 1998); ampliando lo spett ro dell ’analisi , fino a raggiungere una di mensione che consi dera anche gli as petti soci ali , l’i ndi viduo è in grado di percepi re le caratt eristi che dell ’am bi ent e in cui è inserit o e ha la possi bilit à di modi fi carne l’ organizz azione. In ambito ecologico gli indivi dual -bas ed model ( IBM) furono sviluppat i dall a fi ne degli anni ott ant a (Bousquet, P age 2 004); i n uno dei paper più citati al ri guardo Hus ton (Hust on et al. 1988) afferm a che due sono i moti vi princi pal i per cui sv i luppare questo nuovo approccio: il primo, dat o dall a capacit à di considerare l ’indivi duo nell a sua uni cit à e il s econdo perché s ono colte l e int erazioni t ra gl i indivi dui a li vel lo l ocal e. Inizi ando a consi derare l ’import anz a dell ’autonomi a dell ’indi vid uo e d egl i as petti organizz ativi del sist em a, l’ecologi a ha gett ato l e basi per affront are lo studi o con un approcci o int erdisciplinare sfrutt ando in parti col ar modo l e conoscenz e proveni enti dall e s cienz e inform atiche con l o sviluppo dei multi -agent s ys tem (MAS ).

I m ulti -agent s yst em utilizzano un approcci o different e per individuare l a soluzione ottim al e a un probl ema: l a conos cenza non vi ene più considerat a com e un at tri buto detenut o da un'uni ca component e cent ral e, m a viene suddi visa in sotto -unità, a ciascuna di queste sott o -unità viene assegnato un determi nat o agent e ed è dall a coordinazi one di questi agent i che si prova a migli orare l a performance del sist em a.

9 Quest a met odol ogi a di modelizz azione si diffus e rapidam ent e all ’i nterno del l e discipline afferent i le scienze soci ali , ne sono l’es em pio l e num erose conferenz e tenutesi in materia, per esempio “multi -agent system and agent-based simulations” (MABS ) (Si chm an et al ., 1998) e “simul ating soci eties” (Gilbert and Doran, 1994). Oltre a num eros e pub bli cazi oni nel set tore inform ati co, studi e ricerche condott e attraverso l’applicazione di multi -agent system compaiono anche su riviste economiche con part i col are riguardo nell’affrontare specifiche tematiche ambi ent ali ; si consi deri il lavoro svolt o da quei ricercat ori che definivano il proprio approccio “agent -based computational economics” (ACE) (Tesfatsion, 1997). Tornando all e scienze soci ali dove l’appli cazi one dei MAS si è rapidament e diffusa è doveros o sottoli neare che t al e rapidit à e am piezz a di di ffusi one è da imputare proprio all’approccio individualistico utilizzato, in altre parole i MAS hanno la capacità di considerare l’individuo nella sua unicità e nella sua unità el ement are come atomo della soci et à (Weber, 1971 ). E’ bene chi ari re l a distinzione tra individuo e agent e che potrebbe creare al cun i errori int erpret ativi. In al cuni casi il rapporto società indi viduo coi ncide con quell o speci ficat o nel modello tra agent e e si stema , m a com e agenti possono es s ere considerati anche alt re entit à, quali ist ituzioni e gruppi sociali (B ura, 1994) purché s iano defi nit e l e regol e int rins eche che ne det erminino il comport amento. La modelizzazione utilizzata nell’ambito della gestione dei socio -ecosistemi si è dovuta (e tuttora deve ancora) confrontars i con i seguenti t re aspetti principali:

1. Gli indi vidui hanno un com portamento det erm inato dai valori coll ettivi condivi si e dall e regole.

2. I valori coll ettivi condivi si e l e regol e evolvano a caus a dell ’int erazione tra gli indivi dui e i gruppi.

3. Gli i ndividu i e i gruppi non possono essere consi derati uguali o simili , m a ci ascuno di essi ha un proprio st atus soci al e e ricopre un ruol o specifico. Considerando le tre condizioni sopra riportate, che sono proprie dell’approccio multi-agent sist em, s i evince com e quest a metodologia i nevit abilment e costringa i ricercat ori a porsi delle domande quali “Quali sono i vi ncoli che l a soci età impone agli i ndividui ”? Questi vincoli che gli indivi dui nell a forma di s oci et à hanno creato com e evolvono nel t empo? (Gilbert, 1995 )? Quest e sono un esempio di al cune dell e dom ande che l ’ut ilizz o dei multi -agent s ys tem può provare a dare una rispost a.

Dopo questa breve parentesi introduttiva sulla nascita e l’evoluzione dell’approccio computazionale per la modelizzazione si possono di stinguere due diverse correnti (IBM e MAS) che seppur simili nell’approccio presentano alcune differenz e. Indi vidual -based model è un approcci o svi luppato dagli ecologisti basato sulla nozione di individuo per comprendere l’eterogeneità dei sistemi da loro studiat i. L’approccio m ulti -agent s yst em che com e abbiam o visto in precedenza ha le propri e radi ci nell e scienze inform ati che pone l a propria att enzione m aggiorment e sul lo studio dei processi decisi onali e sull a st rutt ura

10 dell’organizzazione sociale in cu i questi individui (agenti, che possono essere identificati non s olo com e individui, m a anche come gruppi soci ali , istit uzioni ecc.) sono i ns erit i.

Per es aminare l e dinami che propri e di un soci o -ecos ist ema l ’utilizzo es clusi vo di un approccio basato su i M AS o IB M non sarebbe i n grado di cogliere i m olt epli ci aspetti quali le leggi fisi che e l e int erazioni soci ali , di cui questi sist emi s ono caratt erizzati. Hanno però fornito una bas e di partenza su cui sviluppare una nuova metodologi a di m odelizzazione, creando uno st rum ento che combina l a gest ione dei socio -ecosist emi e l a capacit à di produrre inform azioni ai poli c y m aker in un contesto orient ato al la ri cerca di uno svi luppo sost eni bile (B oul anger and Bréchet 2005). Quest a nuova met odologi a di modelizzaz ione verrà uti lizzata all’i nt erno di questa tesi con i l ri ferim ent o di agent -based m odelling (AB M), una definizione est ens iva che raccoglie i m olt epli ci aspetti del le m etodol ogi e precedent e m ent e pas sat e in rass egna.

2.1. Introduzione del concetto di ABM e caratteristiche fondamentali

Gli agent -bas ed model (ABM ), com e visto in precedenza anche per l e alt re tecni che di model izzazione , sono sim ulazioni computazi onali che i ncorporano elementi “intelligenti” in grado di apprendere, adattarsi evolversi o di seguire una logi ca im prevedibil e. Una dell e carat teri stiche chi ave, che ri sult a es sere uno dei punti di forza di questa metodologia, è l’approccio bottom-up, che considerando le interazioni dei si ngoli elementi del sist ema prova a det erminare l e caratt eristi che em ergenti prodott e da ques te interazioni (Grimm , 1999; Grim m et al., 2005). Quest e caratt eri sti che non sono espli cite d el sist em a nel suo com pl esso, m a em ergono dal l’i nterazi one del gruppo di agenti ch e agis cono in modo indipendent e, orient ati al raggi ungi me nto di un proprio s peci fico obi etti vo e interagiscono in un ambient e condivis o. S econdo M arceau (Marceau, 2008) l’enfasi posta sulle interazioni tra agenti e il proprio ambiente è ciò che distingue gli agent -bas ed model dalle altre form e di modelizzazione dei sistemi.

Le alt re peculi arità che hanno reso gli ABM adatti all a gest ione dei SES pos sono ess ere individuate ne lla capacità di:

 Collegare il sistema ambientale a quello socioeconomico, mettendo in rel azione i process i di ent ram bi;

 Definire i processi decisionali dei singoli agenti, considerando sia gli aspetti di natura s o ci al e ed economici ;

 Incorporare l’influenza delle decisioni prese a livello micro collegandole all e conseguenz e a li vell o m acro;

 Studiare la risposta complessiva generata da un cambio dell’ambiente o delle politi che att uat e (Hare and Deadm an 2004; Matthews et al . 2007).

11 Concludendo con l a rass egna delle nuove poss ibilit à che quest ’ approccio è in grado di fornire alla ricerca, diversi autori concordano che l’approccio basato su gli agen t-based model deve essere cost ruito e val idato con la part ecipazione dei diversi stakeholder presenti all’interno del modello. In questo modo l’agent -based modelling prom uove il processo di apprendim ento collet tivo int egrando conos cenze l ocali e sci enti fi c he, fornendo ult eriori inform azioni e as sist enz a ai poli c y-maker per la definizione del le politiche pi ù adat te all a ris oluzione di uno speci fi co probl em a (Barret eau, B ousquet, and Attonat y 2001; Gu yot and Honiden 2006; Pahl -Wostl 2007).

Dat e l e peculi arit à dell ’agent -bas ed modelling è facil e comprendere il m otivo per cui quest a tecni ca si a st at a appli cata a svari at e aree e dis ci pli ne scientifiche, m olt o differenti t ra loro. Riportiamo a tit olo es empli fi cativo gli argom enti per cui è stat o utilizzat o un app rocci o bas at o sull a modelizzazione ad agent e, per fornire un’idea della diffusione di questa metodologia: Arh tur et al, 2002 hanno utilizzato gli ABM per det erminare il com portament o degli agenti nell a negozi azione dei titoli di bors a, B agni et, al 2002 pe r predire la di ffusione di det ermi nate epidemi e, Carle y et al , 2006 per gesti re le minacce di att acchi batt eri ologi ci, Fol cik et al , 2007 al fine di comprendere l’adattabilità del sistema immunitario, North et al, 2009 per comprendere il comportamento d’ac quisto dei consumatori, Kohler eta al, 2005 per comprendere l’ascesa e la caduta delle passate civiltà,Moffat et al, 2006 per modell are la di nami ca di ingaggi o di un conflitt o a fuoco sul cam po di batt agl i e nel m are (Hi ll et al, 2006) . Al cuni di questi mo delli s ono contenuti nel l e dimensioni: i ncludono sol o i dett agli essenzi ali del sis tem a e hanno l ’obi etti vo di esaminare le dinamiche alla base dei processi d’interazione sociale. Altri modelli poss ono avere dim ens ioni maggi ore: le caratt eristi che di ogni singol a com ponent e sono det tagli ate in profondit à e necessi tano di un apparat o hardware e software molto potent e per es egui re l e simulaz ioni. Questi ultimi vengono utilizz ati soprat tutto a s upporto dei deci sion maker per det ermi nare quali politi che utilizz are.

2.2. Struttura di un agent-based model

Dopo aver riport ato in li nea general e quali s ono l e logi che che caratterizzano l’agent-based modelling e in quali campi questa metodologia ha trovato applicazione, vediam o nel det tagli o la definizione da part e di due aut ori di quest a metodologi a.

La prim a definizione dat a Ferber (1995, 1999) ri guarda i MAS, m a può ess ere estesa anche all’approccio ABM . Ferber individua cinque componenti fondam entali:

1. L’ambi ente (E), rappresent a lo spazio d’interazione dell e com po nenti del sistema.

12 2. Un s et di oggett i (O), dall e caratt erist iche differenti che sono associ at i

all’ambiente (E.)

3. Un gruppo di Agent i (A), rappres ent ano un sottoi nsi eme degli oggetti del punto precedent e e s ono l e entit à attive del s ist ema.

4. Un i nsi em e di rel azi oni (R), coll egano oggetti e agent i t ra loro.

5. Un s et di operazioni (Op), che rendono possi bili agl i agenti , percepire, produrre, tras form are e m ani pol are gli oggetti (O).

La s econda definizione proposta da M acal e North (2010) che ri duce a t re l e com ponenti del si st em a, pone l ’ attenzi one sul concet to di compl ex adapt ive s yst em, in parti col are il s ist ema com pl ess o è costi tuito da agenti autonomi che interagiscono tra l oro; nei compl ex adapt ive s ys tem gli agenti hanno l a capacit à di adatt arsi all e var i azioni prodott e dal si stema.

Secondo M acal e North un tipi co agent -based m odel è compos to da t re el ementi: 1. Un s et di agenti ci as cuno caratt erizzato dai propri att ribut i e comport amenti. 2. Un set di rel azioni defi nit e da spe cifi che regol e che defi nis cono l a t opol ogi a

dell’interazione tra gli agenti.

3. L’ambi ente: è il luogo d’int erazione degli agenti. Gli alt ri olt re ad interagi re tra loro interagiscono anche con l’ambiente.

Sebbene l e due defi nizioni di fferis cono per alcuni com ponenti che F erber formalizza al contrario di North e Macal, ent rambe concordano sull a pres enza degli agenti, del l’ambiente e dell e i nterazioni t ra agenti stes si e am bient e. Concentrandoci s ul prim o di questi tre el ementi , gli agent i, bisogna approfondi re quali sono l e caratteristi che che ne contraddisti nguono il funzionam ento i n relazione con l’ambiente e tra gli agenti stessi. Nel prossimo paragrafo definiremo quali caratteri stiche necess arie un agente deve incorporare per perm ett ere la coordi nazione tra t utti gli agenti che prendon o part e al s istem a . Tre sono l e princi pal i carat teri stiche che devono essere defi nit e per la gestione dell’interazione tra gli agenti:

1. Processo decisional e: gli agenti qual e tipologi a di sist emi deci sionali hanno a disposizione? Qual è l a l ogi ca sottostant e l a loro percezione -rappresent azione -azi one?

2. Comuni cazione: qual e tipo di m essaggio ricevono gli agenti dall’ambiente e dagli altri agenti? Qual è il protocollo formale di com uni cazi one ut iliz zato?

13 2.2.1. Le caratteristiche degli agenti

Due del le problemati che primari e che bi sogna affront are in fase di creazi one di un modello basato sull’agent -based modelling riguardano l’interazione tra gli agenti in parti col are, gli agenti con quali altri agenti possono int eragi re e quali sono l e dinamiche di quest a int erazione? Uno dei paradigmi all a bas e dell ’approcci o bas ato sull a m odel izzazione ad agent e è costit uito dal fatto che s olo l e inform azioni local i sono disponibi li agli agenti . Il si stema bas ato s u gli agenti è un sistema decentralizzato, non esiste un’entità centrale che diffonde globalmente le m edes ime inform azioni a tut ti gli agenti o ne cont rol la i l comport am ento con l’obiettivo di aumentare la performance del si stema nel suo complesso. Gli agenti interagiscono t ra l oro, ma non i nteragi s cono cont emporaneament e tut ti insi em e. L’interazione degli agenti avviene, tipicamente con un sotto -gruppo di agenti prossimi t ra l oro (neighbours) ; i n modo anal ogo anche l’int eraz ione t ra gli agenti e l’ambiente è localizzata, gli agenti non è detto che interagiscono con ogni parte dell’ambiente. Quindi, le informazioni ottenute dagli agenti sono ottenute dal sotto -gruppo di agenti con cui interagis cono e dall a porzione di am bi ent e in cui s i trovano. S e il model lo non è st ati co il sotto -gruppo di agenti e l’am bient e con cui un agent e i nt eragi sce vari a nel t empo.

Pros eguendo nella defi nizione del le caratteristi che princi pal i di cui un agente deve ess ere in poss esso consideriam o ora l a capacit à dell ’agent e di agi re in modo aut onom o. Nell a letterat ura non esist e una preci sa definizione relati va all a caratteristica dell’autonomia per l’agente, il concetto di autonomia può spaziare da un m ero comport am ent o passi vo, consistent e nell a reaz ione a eventi est erni che rispondono a una l ogi ca basil are del tipo “i f -then” a un comport am ento pi ù com plesso cos tituit o medi ant e m odelli di intelligenz a arti fi cial e adattiva. Al cuni aut ori i nsistono che l’autonomi a dell ’agente im pli ca l’esi st enza di un det erm inato comportamento che permette all’agente di decidere quali scelte intraprendere al fine di raggi ungere il propri o obi etti vo int erno. A m io avviso l a definizione migliore vi ene proposta da C ast i (1997) che prevede l a pres enza al l’int erno dell’agente di entrambi i livelli di autonomia: il livello base che determina le regole comportamentali dell’agente e il livello “avanzato” che prevede l’abilità da parte dell’agente di cambiare il proprio set interno di regole.

Da un punto di vi s ta ori entat o all a m odelizzazi one e cons iderate l e princi pal i implicazioni pratiche dell’agent -based modelling possiamo considerare gli agenti in poss esso dell e s eguenti caratt eri sti che ess enzi ali:

 Autosufficienz a, modularità e identificabilità. Queste tre caratteristiche permettono di definire i confini dell’agente, definire quali componenti sono parte dell’agente, quali no e la presenza di attributi condivisi. Sono gli att ributi presenti in un agent e a renderl o identificabi le ri spett o agli alt ri.

 Autonomi a. Un agente funziona indipendentemente da lle suo interazioni con gli altri agenti e dal cont es to am bi ent al e in cui è i nserit o, alm eno in una gamma limitata di situazioni che sono d’interesse per il modello. Il

14 comportamento dell’agente è disciplinato dalle informazioni che acquisisce tramite le interazioni con gli altri agenti e con l’ambiente. Il comportamento di un agent e può spaziare da un sempli ce insieme di regole logi che a pi ù com plessi sist emi comport am ental i bas ati su m odelli as tra tti .

 Variazione dello stato nel tempo. Lo stato dell’agente varia nel tempo. Come un si st ema il cui s tato è det erminato dall o st at o dell e variabili che lo com pongono, lo st ato di un agent e è composto dall e vari abili a ess o ass oci at o i n un det erm inato mom ent o. Quest e vari abil e vengono defini te come gli attributi dell’agente. Come per il singolo agente che lo compone , in un AB M lo st ato del modello è det erminat o dallo st ato com pl essivo dell e sue com ponenti : agent i e ambi ent e. Lo stat o dell ’agent e ne det ermina il com portam ento, qui ndi , m aggi ore è l a vari et à di st ati in cui un agent e può trovarsi , maggiori s ono l e scelt e comport am ent ali che quest’ agent e può com piere. Nei modelli di simulazione bas ate s u gli agenti , lo stat o rappre sent a quel set di inform azioni necess ari o per modifi care il s ist em a facendolo evolvere da punt o a quel lo s uccessi vo.

 Dinamica sociale. Gli agenti possiedono una determinata dinamica sociale che gest is ce le int erazioni tra gli agent i stessi. Un protocol lo st andard di com uni cazi one deve ess ere utilizz ato da ci as cun agent e per perm ett ere l a com uni cazi one, il movim ent o, la c apacità di rispondere agli stim oli ambi ent ali e altri com portam enti. Il prot ocollo util izzat o deve ess ere com preso da t utti gli agenti.

North e Macal ol tre all e caratt eri sti che essenziali sopra riport at e, i ndivi duano altre caratt eristi che utili che dovrebb ero es sere in poss es so degli agenti:

 Adattabilità. Un agente dovrebbe essere in grado di adattarsi, in altre parole ess ere in possesso di regol e o modell i deci sionali ast rat t i in grado di modi ficare il proprio comport am ento.

 Orientamento all’obiettivo. Un agente dovrebbe essere orientato al raggiungim ento del propri o obi ettivo int erno, che non deve necess ari am ente corrispondere alla massimizzazione dell’obiettivo, considerando il processo decisi onal e. Quest o per favorire l a modifi ca del com portament o da par t e dell’agente quando registra uno scostamento tra situazione rispetto all’obiettivo e il raggiungimento dell’obiettivo.

 Eterogeneità . Gli agenti possono essere eterogenei tra loro. Ogni agente è in possess o di divers i att ributi che ne defini scono il com po rt am ent o. Il com portam ento è det ermi nato dall a capacit à dell’agente di reperi re e processare l e informazioni , com e queste inform azioni si ano el aborat e dipende dalla “modello” che ogni singolo agente possiede per interpretare il mondo che lo circonda e dall a propri e esperi enze pregres se.

15 Come si può vedere le caratt eristi che prev iste da North e M acal per defi nire un agent e, s ono analoghe all e defi nizioni propost e da altri autori com e J ennings e Wooldridge. Secondi questi due autori per com prendere l a m etodol ogi a bas at a su i multi-agent s ys t em è innanzit utto necess ari o defini re l e caratt eristi che degli agenti; s econdo i due autori un agent e è:

“a self - contained program capabl e of contr olling it s ow n decisi on -maki ng and acting based on its per cepti on of it s environment, i n purs uit of one or more objecti ves . ”

“Un’entità autonoma in possesso di un proprio processo decisi onal e che gli perm ett e di int raprendere l e azioni basandosi su ciò che riesce a percepire dall’ambiente e cercando di realizzare i propri obi ettivi . ”

Secondo Nwana le caratt eristi che comportament ali s ono defi nite da t re pri ncipal i att ributi:

 Autonomia. L’agente deve essere in grado di prendere le proprie decisioni e intraprendere le conseguenti azioni senza l’ausilio di un intervent o esterno. Gli agent i hanno degli obiettivi e l e azi oni che i nt raprendono sono coerent i con il raggiungim ento di questi obi etti vi. Uno degli elementi chi ave del la aut onomi a è det ermi nat o dall a pro attivit à, ovvero l a capacit à dell ’agent e di agi re di propri a i nizi ativa e non sol am ent e i n reazione a stim oli esterni .

 Cooperazione con gli altri agenti. La cooperazione è la motivazione alla bas e della presenza di più agenti ubi cati nello stesso spazio. P er pot er cooperare gli agent i devono possedere dell e cara tt eri sti che s oci ali , la condizione necessaria perché si inst auri un rapporto cooperativo è det erminat a dall a capacit à di ciascun agente di pot er comunicare .

 Apprendimento. Perché vi sia un’evoluzione nel comportamento degli agenti , questi devono ess ere in grado di apprendere dall e i nt erazioni con gli altri agenti e con l’ambiente.

Un'alt ra definizione degli agenti e' ba sat a sull a di fferenzi azione degli att ribut i chi ave. Di s egui to si riport a una cl assifi c azione così i mpost at a degl i aut ori Arcisz ewski e Sk olicki. Gli aut ori hanno individuat o cinque categori e fondam entali i n cui raggruppare gli att ri buti degli agenti e per ciascuna di quest e ne hanno poi det ermi nat o l a vari abilit à :

1. Ampi ezza dell 'int erazione: per ogni att ributo ne defi nisce la port a t a, ad es empi o per quanto conce rne l e informazioni bisogna defini re s e s ono fruibili solo a l ivell o individuale oppure sono condiv ise, in modo analogo possono essere tratt at e l e risorse. Infine un al tro att ributo per cui bis ogna

16 defini rne il raggi o di azione e' l a pros petti va dell 'agent e che può es sere local e o gl obale

2. Dinami ca dell e interazioni . In quest a cat egori a s ono incluse caratt eristi ch e quali:

i. il ruolo att r ibut o a cias cun agente, può essere as segnato a sis tem a in fas e di input oppure determinat o con l 'evol uzi one del sist em a;

ii. la s cala t em poral e i n cu i avvengono l e interazioni: può es sere i n t empo real e oppure si può utilizzare una scal a t emporal e simul at a;

iii. livel lo di empati a. Ovvero la capaci tà di un agent e di modi ficare il com portam ento degli altri agenti. In ques to caso il l ivello di empati a può ess ere rappres ent at o su una scal a dove ai due est rem i sono coll ocat e: da una part e la capacit à di modifi care/i nfl uenz are il comportament o degl i alt ri agenti e dall 'alt ra l 'i ncapacit à di influenz arne/ modifi carne il com portam ento;

iv. un'alt ra caratt eri sti ca i n grado di defini re l e dinami che d'i nt erazione t ra gli agenti è il coi nvolgimento che quest i percepis cono nei confronti dell e v. dinamiche del sist em a, ques t o può essere più o m eno int enso.

3. Conoscenz a e apprendimento. Le carat teristi che di quest e categorie sono indivi duat e da:

i. Li nguaggio e t erminologi a. Il linguaggi o può ess ere appreso dagli agenti oppure vi ene ass egnat o inizi alm ent e s enz a possibi lità da part e degli agenti di aument are i l proprio bagagli o t erminologi co;

ii. Li vello di confidenza: questo att ributo det ermina il grado con cui un agent e accett a le inform azioni ri cevut e dagli alt ri agenti e dall 'am bi ent e. Ai due est rem i si posizionano: l 'accet t azione di t utt e le i nfor m azioni com e vere e l a capacità di assum ere che al cune info rm azi oni poss ono ess ere cont radd it tori e t ra loro.

iii. Compl essit à. Le conoscenze e l 'apprendim ento pos sono es sere strut turat e in m odo s empli ci stic o o arti colato;

iv. Famili arità . Quest o attributo defi nis ce s e le i nform azioni e le conos cenze che circol ano all 'i nterno del sist em a risul tano gi à in poss es so degli genti o devono es sere appres e.

4. Infine l 'ultim a cat egori a defin isce le caratteristi che che determinano l a st ruttura degli agenti

17 i. Stabili tà . Nel com pl ess o dei loro at tr i buti gli agen ti evolvono oppure o non pres ent ano vari azioni ? Se variano, il cambi am ent o li rende pi ù o meno instabili?

ii. Li vello. Gl i agenti poss ono ess ere defi niti come aggregati di più com ponenti oppure hanno un caratt ere di indivi sibili tà ?

iii. Diversit à. Gli agenti sono o mogenei o et erogenei? iv. Flessi bilit à. Q ual e' i l grado di flessibilit à degli agenti?

Come abbi amo vist o dall a rass egna appena effett uata, gli agenti possi edono differenti att ributi che sono in grado di vari are in modo m arcato l e caratt eristi che com portam e ntal i di un agent e ris pett o ad un altro e in modo alt rett anto signi fi cat ivo le reazioni agli stimoli proveni enti dall 'am biente esterno. P er com prendere l e dinamiche comport am ent ali degli agenti di un agent - bas ed model e' util e conoscere i due di fferenti approcci inizial mente utili zzati dai i ri cercatori che per primi im pi egarono l a m etodologia dell a Dis tri but ed Artifi ci al Intell igence. Il pri mo approcci o defi nito di stri but ed problem s olvi ng (DPS) cons idera il problema da affrontare s uddi videndolo in modu li , ci as cuno di ques ti modul i possi ede una conos cenz a parzi al e del problem a, cooperando t ra loro i moduli sono in grado di raggiungere l’obiettivo e quindi alla risoluzione del problema. In un sistema DPS tutt e le strat egi e int eratt ive possibi li tra i modu li son o part e integrant e del sist em a st ess o. Nonost ant e l e i nterazion i tra gl i agenti si a i ntegrat a e defi nit a a li vello di sist em a possono comunque pres ent arsi del le s ituazioni di conflit to tra gli agenti dato che ci as cuno di essi cerca di realizzare il p ropri o obi ettivo interno, m a il sistema t enderà comunque ad un unico obi ettivo perché l’obiettivo da perseguire è condiviso da ciascun agente . L’altro approccio della metodologia distributed artificial intelligence è l’approccio multi -agent system, di cui abbi amo gi à parl ato i n preced enza. L’approcci o MAS al cont rario dell’approccio DPS non prevede la possibilità del controllo globale da parte del sistema, l a conoscenza in modo analogo non è predeterm inat a e non esi stono obi ettivi globali condivisi t ra gli agenti. Nei M AS ci as cun agente è moti vat o al raggiungim ento di un proprio speci fi co obiett ivo di massimiz zazione dell a propri a utilit à. Ci as cun agente è in po s sesso di inform azioni parzi ali e l a capacit à di risoluzione dei problemi per ciascun’agente è li mitata. Se le caratteristiche di un DPS s ono det ermi nate dalla centralit à dell a pianificazione per il raggiungim ent o dell’obiettivo e il controllo operato su gli agenti è di tipo sequenziale; i MAS non prevedono un obi ett ivo global e, l a cooperazione t ra gl i agenti in questo ti po di sistemi avvi ene sol o se la cooperazione port a benefi ci a chi nell a cooperazine ne prende part e.

18

2.2.1.1. Processo decisionale degli agenti

Due sono i cam pi in cui la ri cerca ha concent rat o i propri st udi per quant o concerne l’elemento agent e di un ABM: le dinamiche d’interazione tra gli agenti e i meccanismi interni che guidano il comportamento e le scelte. E’ in quest’ultimo campo dove sono rinvenibili il maggior numero di studi sull’argomento che vengono affront ati si a da un punto di vist a del com port amento meram ente adat t ivo da parte dell’agente sia da un punto di vista di autonomia decisionale. Solitamente i modelli che pres ent ano al propri o int erno agenti con caratt eristi che com portam ental i analoghe a quelle degli essere um ani utilizzano un approccio non di tipo reattivo, m a basat o sull a capacit à di intraprendere azioni di propri a iniziati va. Gli s chemi decisi onali in posses so di un agente in questi cas i pos sono ess ere divers i e lo s chem a utilizzat o varia in bas e al la ti pol ogi a di probl em a da affront are e il risult ato che si vuol e ottenere. Vediamo quali, secondo Bous quet e Le P age, sono le princi pal i archi tet ture che caratt erizzano i proces si decisi onali degli agenti .

 Architetture basate sulla metafora evolutiva

L’approccio utilizzato da questa architettura trae ispirazione dalla teoria dell’evoluzione. Uno dei metodi più conosciuti è quello di Holland (1975) in cui viene utilizz ata una cl ass e di algoritm i i l cui codi ce, per la pot enziale sol u zione del probl em a è es presso nell a form a di u na seri e di num eri e/o di caratt eri. L’algoritmo assegna a ciascuno di questi caratteri (cromosomi) un determinato coeffi ci ent e di adatt am ento, mentre l a funzione che si mul a un periodi co process o di selezione favorisce l’evoluzione solo di quegli individui in possesso dei “cromosomi” che presentano un determinato grado di adattamento. Altri approcci ass egnano alla porzione di un crom osom a (geni) di fferenti comport am ent i (movimento, comunicazione, azioni…) per ottenere il comportamento che più si avvici na a quell o reale.

 Architetture basate su i processi competitivi

Quest a tipologia di architettura prevede che l’agente non possi ede lim it i nell’interpretare gli stimoli ricevuti dall’ambiente e il comportame nto tenuto è una conseguenz a di rett a dell a ris post a degli agenti a questi stimoli .

 Architetture basate sulle reti neurali

La caratt eris ti ca princi pal e di queste archi tetture è dat a dall a capacit à di apprendimento che gli a genti possi edono . Il modell o perce zi one – azione di ogni agent e è det erminat o da una ret e di connessioni che evolve nel t em po s ull a bas e delle singole esperienze pregresse. Se consideriamo l’architettura definita da Collins e Jefferson (1992) in cui hanno dotat o ci as cun agente (in quest o c aso formi che) di apposi t e ret i neurali. Per gesti re tut ta la gamm a di azi oni che gli agenti potevano int raprendere hanno assegnato a ciascun agente di verse ret i neurali, una per ogni azione (una rete deputata all’apprendimento con finalità

19 espl orati ve e un a ret e deput at a sem pre all’apprendim ento, ma con finalit à di trasport o). Dat a l a loro st rutt ura, i modelli che contengono agent i c on un’architettura decisionale basate sulle reti neurali si prestano ad essere integr ati con gli al goritmi geneti ci (visti nel pri mo punt o) e incapsul are l a poss ibilit à del le ret i di evol vere.

 Funzioni param etrizzate

Quest e funzione decisi onali sono spesso utilizzat e per agenti indi viduati da parti cel le o nel caso di model li con un numero di agenti mol to el evato, in quant o le s cel te com piut e dagli agenti s ono spesse det erminat e da una com binazione di forze fisi che a cui sono sott oposti. Un es empi o del processo decisi onale degl i agenti bas ato su funzioni param etrizz at e può es sere rinvenuto nei modelli che affront ano il probl ema d el traffi co urbano (1998; Ram at et al.) , di namiche del la foll a (M echoud et al., 1998) o nell a di nami ca dei f l uidi (Perri er and C am bier, 1997). Le azioni int rapres e dagli agenti sono bas ate su ri cerche pregress e, s pess o di tipo operativo, negli am biti speci fi ci di appl icazione ed espres se medi ant e funzioni m at em ati che . Si pensi al concett o di m assimi zzazione dell ’utili tà derivant e dall a teori a microeconomi ca: massi mizzazione dei benefici quando sono pres enti dei vincoli fisici alla cres cit a.

 Belief – Desire – Intention

Questa architettura basata sul concetto di percezione dell’agente, considera gli aspetti di coinvolgimento individuale dell’agente e della ra ppresentazione che l’agente stesso elabora della propria realtà. La rappresentazione della realtà dell’agente determina quali son o le scelte a sua disposizione e quali le azioni che potrà int raprendere. Un as pet to i nt eressante di questo approccio lo si può ri nveni re nel concetto di reput azione appli cato agli agenti , si provi a considerare il com portam ento degli agenti che incorporano il concett o di reput azione; l e dinamiche com portament ali s arebbero enorm em ent e condizionat e da quelle azioni che ri chi edono un i mpegno oneroso, m a allo st ess o tem po m igliorano il beness ere dell a collet tivit à (M athevet et a l., 2003).

2.2.2. Coordinazione tra gli agenti

L’ultimo aspetto da considerare in fase di parametrizzazione degli agenti è la tipologia d’interazione prevista tra agente e agente. L’interazione tra gli agenti in un agent-based model deve uti lizzare la modalit à pi ù adatt a allo s copo da pers egui re, deve inoltre ess ere basat a s u regole che ne dis cipli nino le coerenz a logica rispetto alle potenziali situazioni in cui l’interazione avviene. La modalità di coordi nazione s celt a, dovrebbe rappresent are una t rasposizione tramit e ABM dell a percezione reale che hanno l e persone per quell a problem ati ca nel m ondo real e.

20 Di s eguito sono ri portate 5 di fferenti tipologi e di coordi nazi oni t ra agenti, m entre la prima e l’ultima risultano essere particolarmente adatte per la coordinazione tra agenti in un ABM, le alt re possi edono caratt eristi che che meno si adatt ano ad ess ere utilizz ate per un appli ca zi one di agent -bas ed modelling.

 Negoziazione peer to peer

Quest a modal ità di coordinazione è molt o di ffusa dato che perm ett e agl i agenti di raggiungere accordi che port ano benefi ci a t utti gli agenti coinvolti . E’ inolt re parti col arment e adat ta per gli ABM dove gli agenti s ono aut onomi , possono infl uenzarsi a vi cenda e ci as cuno di essi ha degli obiet tivi con le rel ative priorit à. La negoziazi one si compone di due fasi: nell a prim a fas e vengono comunicat e l e inform azioni ril evanti ai fini dell e accordo ch e si vuol e raggi ungere, nell a seconda fase i part ecipanti all a negozi azione t ram ite s cambi , sacrifi ci, concessioni o minacce provano a raggi ungere un accordo condivis o. I m eccanismi di negoziazione così st rutt urati sono costit uiti da t re aree principali: l ’oggett o dell a negoziazione, il prot ocollo di comuni cazi one t ra gli agenti e le strat egie che questi ultimi possono util izzare per raggiungere un accordo che si avvi cini il pi ù possi bil e ai propri obiett ivi.

L’oggetto della negoziazione è costituito da tu tta la gamma delle questioni per cui deve es sere raggi unt o un accordo. In questo caso l a dom anda pri nci pale da pors i riguarda “quale tipo di accordo devono raggiungere le parti?”. Nella forma più semplice il contenuto dell’accordo e la struttura dell’accor do sono determinate e immodi fi cabili, la contropart e può decidere escl usivam ent e s e accett are o ri fi utare l’offerta. Il passo successivo comporta la possibilità, da parte dell’agente che ha ricevuto l’offerta, di effettuare una contro -offerta a chi inizialmente aveva iniziato la negoziazione. Infine l’ultimo livello comporta un’interazione dinamica tra gli agenti con la conseguenza che in fase di negoziazione l’oggetto dell’accordo può subi re dell e m odi fiche sost anzi ali .

Il prot ocollo di negoziazione det ermina l e regol e e lo st ato dell a negoziazione. Il prot ocollo di negoziazione deve di scipli nare quali s ono i requisiti per part eci pare all a negozi azione, l o stat o del la negoz iazione, gli eventi che comport ano la vari azione nel lo stat o dell a negozi azione e le azioni che poss ono es sere i ntrapres e da ci as cun agente in ci as cuno st ato della negoziazi one (Kunwadee Sri panidkul chai e Hui Zhang) .

Il terzo e ultimo aspetto dell a negoziazione riguarda le st rat egie di negoziazi one, tali st rat egi e rappr esent ano le scelt e deci sionali dei part eci panti in considerazione dei possi bili accordi raggiungibili , del protocollo di negozi azi one e degli obi ettivi che ci ascun agent e vuol e raggiungere.

21 Quali t ra i due aspet ti di una negozi azione (prot ocollo e st rateg i a) ri copra i l ruol o con il maggiore peso nel determinare l’esito della negoziazione dipende dal contesto in cui avvi ene l a negozi azione. Si consideri una si tuazione in cui è il prot ocollo di negoziazione a ri vesti re il ruol o principal e, ovvero i progettis ti del modello hanno utilizzato un particolare set di regole che limita l’accesso dei part eci panti all a negoziazione e le azi oni che ogni s ingolo part ecipante può intraprendere i n sede di negozi azione. Al cont rari o, in un contes to domi nato dall e strat egi e di negozi az ione il campo di azi one di ci as cun agent e è molt o pi ù ampio e vario; i n questo caso il prot ocollo di negoziazione è caratt eri zzato da regol e m eno stringenti e l’esito della negoziazione ve rrà determinato dalla capacità strategiche di ciascun agente.

L’obiettivo di questa tipologia di coordinazione tra gli agenti è tesa ad identificare il risultato che si ottiene dall’interazione tra diversi agenti, ciascun con i propri obi ettivi e le propri e conos cenz e, quando il loro comport am ento è lim itato da una serie di regole che det ermi nano il proces so di negozi azione.

 Coordinazione a struttura organizzata

Quest a tipol ogi a di coordi nazione spesso impli ca l a defi nizione di una struttura gerarchi ca del tipo mast er \sl aves, i n cui il mast er è in grado di recuperare l e inform azioni dai propri sl aves ed util izzarle per det erminare l a st rat egi a da s egui re ass egnando a ci as cun sottopost o il com pi to più adatto per il raggiungimento di uno speci fi co obiet tivo. Nel la m odelizzazion e di una sit uazione com pless a, com e nel caso degli ABM, quest a m et odol ogi a di coordinazione di ffi cilm ente è la pi ù appropri at a, proprio perché in raris simi casi un agent e è in posses so di una visione globale dell’intero sistema determinata dalla capacità d egli altri agenti di trasferirgli tutt e l e i nform azioni in loro possess o.

 Contracting

Quest a tipologia di coordi nazione è suddivisa un due fas i princip ali: nel la pri m a viene i ndividuato il problema/ obi etti vo e suddiviso i n diverse componenti , nell a seconda fase, un agent e, definito m anager, assegna a ci as cun agent e il proprio com pito. Un archit ettura così strutturat a si pres ta ad es sere utilizzata quando il problema da affrontare/ ob i etti vo da raggiungere può ess ere suddi viso in più processi , inolt re questi processi devono essere es egui ti ris pet tando un det ermi nat o ordi ne gerarchi co . Quest a met odologi a analogam ente a quell a del punto precedent e non si prest a ad ess ere utilizzat a nell ’AB M in quant o la pi ani ficazione deve es sere effettuat a i n accent rato.

 Pianificazione multi -agente

L’architettura prevede un agente con il ruolo di arbitro che valuta le scelte degli alt ri agenti e l e rifi uta o l e modifi ca al fine di evitare event uali conflitti. Quest o

22 metodo non risulta essere adeguato per l’ agent-based modellling: se le situazioni di potenzial e confli tto, caus at e dall e s celte degli agenti, sono molt o elevate, l’agente “arbitro” non sarebbe in grado di val utare tutte le opzioni; risulterebbe invece più efficiente l’applicazione di un sistema di negoziazione diretta.

 Apprendimento degli agenti

Quest a architettura considera gli agenti i nseriti in un am bi ent e aperto, compl es so e dinamico; ris ult ant e da un di ff erent e numero di fattori quali: l’i ncert ezza nell a variazione dell’ambiente, i limiti fisici imposti alle comunicazioni tra gli agenti, differenti obi ettivi, abili tà e livelli di conoscenza . In un am biente di quest o tipo ci as cun agente deve misurarsi con l ’incert ezza del sis tem a e uti lizzare solo le inform azioni (parzi ali) che è in grado di cogliere. Si può com prendere com e si a di fondam entale import anz a per gli agent i essere i n grado di adatt arsi ed apprendere dall e propri e es peri enze . Secondo Weiss due so no le capacaità di apprendim ent o che un agente deve possedere, la prima: l’agente deve essere dotato dell’abilità di migliorare il proprio com port amento da cui ne cons egue l a s econda capacit à che consist e nell a poss i bilit à di com prendere il funzionamento dei propri process i cognitivi. Una definizione operativa di apprendimento rel ati va agli agent -bas ed model è dat a dall a capacità degli agenti di compi ere nuove azioni o di com piere azioni già conos ciut e ma in m odo pi ù effi ci ent e com e ris ult ato del processo di apprendimento. Il proces s o di apprendimento i nizia quando un agent e, con determinate aspettative, interagisce con altri agenti o con l’ambiente. Analizzando le risposte provenienti dagli altri agenti o dall’ambiente , mediante determinati cri teri l ’agent e deci de qual e st rategi a utilizzare per provare a massimizzare i benefici derivanti dall’azione intrapresa. Perché il processo di apprendimento sia efficace devono essere considerate differenti componenti come: l’obiettivo, ovvero cosa vuole imparare l’agente, definire quali sono le componenti chiave per un apprendimento efficace ed infi ne l a ti pologia di approcci o util izzat a. Qual è l’obiettivo dell’apprendimento dipende dalla tipologia e dagli obiettivi di ciascun agent e. W eis s clas sifica l e divers e ti pologia di approccio all ’apprendimento i n due distint e cat egori e: i l prim o t ram ite util izzo di un metodo di apprendi mento da parte dell’agente e il secondo basato sull’apprendimento mediante feedback . Nel primo caso l’apprendimento dell’agente può passare attraverso la ripetizione meccanica del compito che l’agente sta eseguendo, l’apprendimento tramite istruzioni ricevut e (si a in form a orale si a s crit ta), t ram ite avvisi e cons igli da parte di alt ri agenti , dagl i esem pi, dall a prati ca, per anal ogi a oppure s coprendo autonom am ent e qualcosa di nuovo. Nel s econdo caso invece sono t re le tipologi e di apprendim ento disponibil i per un agent e: supervis ed l earni g, unsupervis ed l earni ng e rei nforcem ent learni ng. Quelli ri port ati finora sono s olo al cuni es empi in m erito ai punti di vist a che si possono adott are per analizz are l e modali tà di apprend imento di un agent e negl i ABM, alt ri approcci possono focali zzarsi sull ’obi etti vo dell’apprendimento oppure sulla tipologia di compito/materia che l’agente deve apprendere.

23

2.2.2.1. Interazione tra gli agenti

Uno dei pres upposti all a bas e del agent -based modelling , come abbiamo vi sto i n preceenz a, è dato dalla modalit à con cui le inform azioni sono rese disponibili agli agenti , in quest a m eto dol ogi a ci ascun agent e è in poss es so dell e informazioni che riesce a recuperare a livello locale; non esiste un’entità centrale in possesso di tutte le i nformazioni del sist em a. Ne consegue che anche le int erazio ni t ra gl i agenti sono l imit ate, gli agenti non int e ragiscono con tutti gl i alt ri agenti del sistema, ma sol o con alcuni agenti vi ci ni a livello spazi ale (c.d. neighbours ) . Il gruppo di agenti con cui un alt ro agent e può o ri es ce ad int eragi re vari a in seguit o all’avanzare della simulazione dato che gli age nti sono in grado di muoversi nello spazio. La tipologi a di connes sione tra gli agenti prende il nome di t opologi a del modello o connessi one . La topologia s erve ad indi care quali inform azioni vengono scambi at e e t ra chi vengono s cambi at e. I modelli di conn essione tra gli agenti pi ù diffusi sono basati:

 sulle griglie spaziali, dove lo spazio viene diviso in sottoporzioni di forma geomet ri che e ci as cuna grigli a pos siede det erminat e caratt eri stiche (si veda la figura a sott o riportata);

 rappresentazioni su un piano euclideo dove ciascun agente può muoversi in un pi ano a 2 o 3 dimensioni e la posizione vi ene det erminat a t ramit e l’utilizzo delle coordinate presenti su li assi (figura b);

 modello a rete, dove le singole interazioni tra gli agenti sono maggiormente definit e ris petto all a rappresent azione s ul piano eucli deo (fi gura c);

 attraverso un sistema d’informazioni geografiche (GIS) dove ciascuna area rappresent a una sem plifi cazione di una porzione real e di t erri tor io (figura d);

 la connessione tra gli agenti non prevede la rappresentazione tramite un piano s pazial e com e nel cas o dell a figura e.

E’ necessario sottolineare come le cinque topologie sopra riportate rappresentino quelle maggiormente utilizzate nell’ambi to della ricerca e come spesso all’interno di uno s tesso modell o sono appli cat e di fferenti modalit à di connessione.

24 Fig 1

2.2.3. Rappresentazione dell’ambiente

L’agente di un ABM interagisce con altri agenti e con l’ambiente. L’ambiente rivest e un ruol o fondam ent al e negli AB M e può ess ere rappresent ato i n di fferenti modi, ci ascuno dei quali è adatt o all a rappresent azione di un det erminat o tipo di scenario.

L’ambiente può essere suddiviso tramite una scala che definisce la quantità di inform azioni che l’ambi ent e possiede. Ad un estrem o di quest a s cal a t rovi am o l’ambiente con la funzione di mera informazione del posizionamento geografico dell’agente , mentre dall’altra parte le informazioni fornite dall’ambiente sono moltepli ci e ti pi cam ent e l a rappresent az ione avvi ene mediante s oft ware G IS. In quest’ultim o caso l’ambiente potrebbe contenere inform azioni che costit uis cono un vincolo per l’agente.

L’ambiente del modello può essere rappresentato sia in modo realistico sia in modo artifici al e. Nel prim o cas o l a rappresent azione t ramit e ABM dell ’ambi ent e è cost ituit a da un insi em e di coordinat e cart esiane che rappresent ano lo spazio e l e caratt eristi che geografi che del t errit ori o , questi dati sono incorporati all’i nt erno del modell o st esso e poss ono variare durant e l a si mul azione . Solit am ent e questo genere di rappresent azione im porta i dat i spazi ali dirett am ente da dat abase G IS e viene uti lizzat a quando i ri cercat ori vogli ono studi are determi nati aspetti ecologici

25 di una speci fica area geografica, oppure veri fi care l’output del modell o com parando i dati ottenuti con quel l i empiri ci di una det erminat a area. La rappresentazione artificiale dell’ambiente può avvenire sia tramite la speci fi cazi one del le caratteris tiche del territorio m edi ante un piano cartesi ano oppure tramit e l a modellizzazione di dati raccolti pres so i l sito geografi co d’interesse, ma se la rappresentazione è di tipo artificiale le due cose non possono coesis tere. Questo genere di rappresentazione è uti l e quando al lo s copo del modello non è necessario conos cere le carat terist iche di una det erminat a area geografi ca; per es em pio nel caso il modello si a maggi orm ent e ori ent ato a cogl iere le dinami che com portam ent ali degli agent i.

Oltre al la dist inzione t ra l e rappresent az ioni reale e arti fi ci al e dell ’ambi ente negl i ABM l’ambiente può essere definito sia cell -based sia object-based. Entrambe le applicazioni hanno i loro limiti e punti di forza. P er quanto concerne la rappresent azione cell -bas ed è basat a sulla l avorazione dei dati che vengon o raccolti di rett am ente sul sito geografi co di int eres se. Dat a il prol iferare massi ccio nell’ultimo decennio di strumentazioni in grado di raccogliere e trasmettere dati con inform azioni di caratt ere geografi co, l a m etodologi a di rappresent azione dell’ambiente basata su un approccio cell -based si è ampiamente diffusa. Il limite di questo approcci è proprio da consi derarsi nel quantit ativo molto el evat o di dati da el aborare, cost ringendo qui ndi i ri cercatori che adott ano quest o approcci o all’utilizzo di software e hardware molto potenti per poter elaborare il quantitativo di dati raccolti. Secondo Bian l’approccio cell -based deve essere utilizzato soprattutto quando l’ambiente considerato all’interno del modello presenta caratt eristi che di m arcat a et erogenei t à e dinamiche comples se.

La rappresentazione dell’ambiente basato su un approccio object -based comporta l’utilizzo di una capacità di elaborazione inferiore con il vantaggio di poter utilizzare questo approccio in simulazione che coprono una vast a area geografica . L’utilizzo della rappresentazione object -based è particolarmente indicata quando all’interno del modello bisogna inserire molte caratteristiche del paesaggio e soprat tutto ri sult a neces sario cogli ere l e relazi oni t ra l e varie caratt eristi che del paes aggio (Bi an).

Un’ultima distinzione nella rappresentazione dell’ambiente è rinvenibile nell a caratteristica di staticità o dinamicità dell’ambiente. Un ambiente statico trova il suo impiego all’interno degli ABM quando si vogliono investigare le caratt eristi che em ergenti di un sist em a i n seguito al le int erazioni degli agenti in u n dat o am bient e. La rappres ent azione t rami te un am bient e dinamico è pi ù adatta n el caso in cui si vogl i a invece st udi are l’effetto di un cambi am ento dell ’ambi ent e sugli agenti al suo interno.

26

3. SOFTWARE GEOREFENZIATI E ABM

L’agent – based modelling richiede l’utilizzo d i sistemi software avanzati per l’implementazione degli scenari che si voglio analizzare. Quando questo approccio viene utilizzat o per espl orare l e cons eguenz e che i l cambi ament o cli mat ico può port are in una det erm inat a area geografi ca, si a che si consider i un’area di ampi ezza int ernazi onal e, nazional e, regionale o l ocal e; è neces sario ai fini del modello considerare tutti gl i st akeholder interess ati da quest o cambi am ent o. Oltre agli st akeholder è necess ari o defi nire quali sono i decisi on -m aker deput ati ad effettuare l e polit iche necess ari e per ridurre, elimi nare o increm ent are l’adattabilità dell’ecosistema alle perturbazioni generate dal cambiamento clim ati co.

Nell’ambito dell’analisi dei socio -ecosistemi i decision-maker sono quelle persone che di rett am ent e o indi ret tam ente medi ant e l e proprie deci sioni influenzano l a gestione dell’ecosistema, questi possono essere scienziati,associazioni non governative, politici eletti o altre a figure analoghe. Il raggio d’azione di ciascun decisi on m aker è di fferent e e può est endersi dal livell o internazional e fino al livel lo locale e indi vidual e. Spesso le s celte com piut e da un decisi on m aker a livel lo i nternazional e possono sovrapporsi con l e s celt e intrapres e a livell o nazional e, per quest o mot ivo ri sult ano essere m olto frequent i le in terazioni tra i divers i decsi on maker. Al fine di mi gliorare l’effi ci enza e l’effi caci a delle politiche attuate dai decision maker è necessario fornire a quest’ultimi le inform azioni in grado di promuovere un cambi am ento nell a consuet a m odalit à di gestione dell’ecosistema e delle risors e naturali. Questo aspetto si complica dal momento che,frequentem ent e, i decision m aker non sono persone con el evat e competenze tecniche nella rielaborazione dei dati forniti, l’informazione inviata deve quindi es sere sempl ice e perti nente al problem a da a ffront are. Le inform azioni inerent i il cambi am ent o cli mati co devono ess ere res e disponibil i nei confront i di tutti quegli stakehol der interessati all e cons eguenze che differenti scelte di gestione dell’ecosistema potrebbero portare. Anche in questo caso l’obiettivo è quello di informare nel modo più accurato, ma allo stesso tempo più effi cace gli stakehol der

Come si è potuto comprendere la gestione dell’ecosistema nell’ottica di mitigare o promuovere l’adattabilità dello stesso, soggetto ad una elevata var iabilità clim ati ca coi nvolge una m oltitudine di soggetti con background culturali, int eress i e conoscenze molto diverse tra loro. E’ proprio focalizzando la gestione dell’ecosistema su questi aspetti che il 3° World Climate Conference ha definito i propri obiett ivi.

L’obiettivo previsto dal III World Climate Conference era quello di fornire un quadro operative i n grado di ridurre i ri schi ed increment are i benefici associ ati allo st ato del cli ma attual e e fut uro, incorporando l e i nform azi oni e l e previsi o ni a caratt ere cli mat ico nei processi decisionali.