الجامعات في أستراليا 
الجامعات في كندا 
الجامعات في ألمانيا 
الجامعات في ايرلندا 
الجامعات في الأردن 
الجامعات في نيوزلندا 
الجامعات في السعودية 
الجامعات في المملكة المتحدة 
الجامعات في الولايات المتحدة 
ملخص
نحن نبحث عن مرشحين أقوياء للعمل في هذا المشروع المثير متعدد التخصصات الموضح أدناه!
الوصف الكاملالتحدي:
تعد النماذج المستندة إلى الوكيل (ABMs) أسلوبًا حسابيًا قويًا لفهم الأنظمة المعقدة. وهو يركز على نمذجة العوامل الفردية وتفاعلاتها، مما يسمح للظواهر الناشئة بالنشوء من الأسفل إلى الأعلى (أي لا توجد شروط توازن لتقييد نتائج النموذج، التي تكون ديناميكية ومتطورة). في أنظمة الدفاع الصاروخي، يعد الوكلاء كيانات مستقلة لها سلوكيات محددة وعمليات صنع القرار. تتفاعل هذه العوامل مع بعضها البعض ومع بيئتها وفقًا لقواعد محددة، مما يؤدي إلى سلوكيات معقدة على مستوى النظام والتي غالبًا لا يمكن التنبؤ بها من المكونات الفردية وحدها. يعد هذا النهج مفيدًا بشكل خاص لدراسة الأنظمة الاجتماعية والاقتصادية والبيئية حيث يلعب عدم التجانس والجوانب المكانية والزمانية والديناميكيات غير الخطية أدوارًا حاسمة.
غالبًا ما تكون مخرجات النماذج المستندة إلى الوكيل عالية الأبعاد نظرًا للتعقيد المتأصل وثراء الأنظمة التي تحاكيها. يمكن أن يكون لكل وكيل في النموذج سمات متعددة تتغير بمرور الوقت، وعادةً ما يتتبع النموذج العديد من المتغيرات على المستويين الفردي والإجمالي. على سبيل المثال، في نموذج التحول الحضري (1،2)، قد نتتبع دخل كل أسرة، وحالة التوظيف، وحالة السكن، والموقع، بالإضافة إلى المتغيرات على مستوى الحي مثل متوسط قيم العقارات ومعدلات التوظيف. بالإضافة إلى ذلك، قد يقوم النموذج بإنشاء بيانات سلاسل زمنية لسيناريوهات متعددة، مما يزيد من الأبعاد. في نموذج التجارة العالمية (3)، نقوم بتتبع متغيرات متعددة لكل وكيل بلد، بما في ذلك حجم الواردات والصادرات لـ 91 سلعة غذائية مختلفة، فضلا عن الاستهلاك والمدخول الغذائي لـ 15 من المغذيات الكبيرة والصغرى المختلفة. وينتج عن هذا الآلاف من متغيرات الإخراج لكل عملية محاكاة. تسمح هذه الأبعاد العالية بإجراء تحليل شامل للنظام ولكنها تمثل أيضًا تحديات من حيث تصور البيانات وتفسيرها ونقل النتائج إلى أصحاب المصلحة، ولكنها تمثل أيضًا تحديات كبيرة في تحليل عدم الحساسية والمعايرة والتحقق من صحة النموذج.
تمثل المخرجات عالية الأبعاد للنماذج المستندة إلى الوكيل تحديات كبيرة في العديد من المجالات الرئيسية لتطوير النماذج وتحليلها. إن تحليل الحساسية، الذي يهدف إلى فهم كيفية تأثير التغييرات في معلمات المدخلات على نتائج النموذج، يصبح معقدًا بشكل خاص مع المخرجات عالية الأبعاد. قد تكون الأساليب التقليدية مثل تحليل الحساسية مرة واحدة غير كافية. تمثل معايرة النماذج المستندة إلى الوكيل ذات المخرجات عالية الأبعاد والتحقق من صحتها تحديًا خاصًا. تصبح عملية ملاءمة معلمات النموذج لمطابقة البيانات التجريبية صعبة بشكل متزايد مع نمو عدد متغيرات المخرجات. ويتفاقم هذا بسبب حقيقة أنه ليس كل متغيرات المخرجات قد تحتوي على بيانات تجريبية مقابلة للمقارنة. لي وآخرون. (2015)(4) ناقش هذه التحديات في سياق النماذج الحضرية، مع تسليط الضوء على الحاجة إلى تقنيات المعايرة المتقدمة مثل الاستدلال البايزي وأساليب التعلم الآلي. ويواجه التحقق من الصحة عقبات مماثلة، حيث أن تقييم أداء النموذج عبر أبعاد متعددة في وقت واحد يمكن أن يكون معقدًا. ويندرم وآخرون. (2007)(5) يقترح طرقًا مختلفة للتحقق من صحة النماذج القائمة على الوكيل، لكن لاحظ أن هذا المجال لا يزال يفتقر إلى طرق موحدة للتعامل مع المخرجات عالية الأبعاد. تؤكد هذه التحديات الحاجة إلى أساليب مبتكرة في التعامل مع وتفسير البيانات الغنية والمعقدة الناتجة عن النماذج القائمة على الوكيل.
المنهج المقترح:
نظرًا لأن مخرجات الصواريخ المضادة للقذائف التسيارية عبارة عن متغيرات ذات أبعاد عالية، مما يجعل تحليل الحساسية والمعايرة والتحقق من الصحة معقدًا للغاية. الاقتراح الطبيعي هو تجميع المخرجات ذات التشابه العالي واختيار عدد قليل من المتغيرات في كل مجموعة ثم إجراء تحليل الحساسية والمعايرة والتحقق من صحة هذه المتغيرات.
تشير الخاصية المكانية والزمانية لمخرجات أنظمة الدفاع الصاروخي إلى أن طرق تحليل المجموعات التقليدية متعددة المتغيرات قد تكون غير مناسبة. لذلك، سيتم استخدام طرق تجميع السلاسل الزمنية وتجميع البيانات الوظيفية (6). يمكن تنفيذ المجموعات غير المعلمية المقترحة (7) المصممة للبيانات الوظيفية، ولكن المسافة المختلفة (مقاييس التشابه) قد يكون لها أداء مختلف لمخرجات القذائف المضادة للقذائف التسيارية. لذا، ينبغي اختيار طرق التجميع ومقاييس التشابه بعناية، ولنقل من خلال إجراء عمليات محاكاة واسعة النطاق. لاحظ أنه بالنسبة للمتغيرات عالية الأبعاد ذات الوحدات والمجالات المختلفة، عادةً ما تحتاج المعالجة المسبقة مثل التسجيل والتوحيد إلى التصميم قبل تنفيذ طرق التجميع.
إذا كان تحليل الحساسية بناءً على المتغيرات المحددة يختلف عن التحليل المستند إلى المتغيرات الأصلية، فإن الحساسيةيجب تكييف طرق التحليل.
نظرًا لأنه يتعين علينا إجراء تحليل الحساسية والمعايرة والتحقق من الصحة باستخدام المتغيرات المحددة. ثم تطرح الأسئلة التالية. كيف نعرف أننا اخترنا الأشخاص المناسبين؟ هل هناك أي معيار يمكن قياسه؟ سيتم استكشاف هذه الأسئلة في هذا المشروع.
المراجع:
1. جي جي، فورتادو با. نمذجة التحول الحضري مع أسواق الإسكان والعمل. البيئة والتخطيط ب: التحليلات الحضرية وعلوم المدينة. 4 يوليو 2023؛23998083231186623.
2. جي جي، فورتادو با. محاكاة التحول الحضري في الصدمات الاجتماعية والاقتصادية الكبرى. في معهد مهندسي الكهرباء والإلكترونيات؛ 2021. ص. 1–10.
3. جي جي، بولهيل جي جي، ماكديرميد جي، فيتون إن، سميث بي، كلارك إتش، وآخرون. الأمن الغذائي والتغذوي في ظل التجارة العالمية: نموذج التجارة العالمية القائم على العلاقات. الجمعية الملكية العلم المفتوح. 2021;8(1):201587.
4. لي شبيبة، فيلاتوفا T، ليغمان-زيلينسكا A، حساني-محموي ب، ستوندال F، لورشيد الأول، وآخرون. تعقيدات تحليل مخرجات النمذجة القائمة على الوكيل. مجلة المجتمعات الاصطناعية والمحاكاة الاجتماعية [الانترنت]. 2015 [تم الاقتباس في 22 يوليو 2024]؛18(4). متاح من: https://www.econstor.eu/handle/10419/230635
5. Windrum P، Fagiolo G، Moneta A. التحقق التجريبي من النماذج القائمة على الوكيل: البدائل والآفاق. مجلة الجمعيات الاصطناعية والمحاكاة الاجتماعية [الانترنت]. 2007;10(2). متاح من: http://jasss.soc.surrey.ac.uk/10/2/8.html
6. تشانغ، م.، وبارنيل، أ. (2023). مراجعة طرق التجميع للبيانات الوظيفية. معاملات ACM عند اكتشاف المعرفة من البيانات، 17(7)، 1-34.
7. Xie، M.، Liu، H.، & Houwing-Duistermaat، J. التجميع اللامعلمي للبيانات الوظيفية الطولية مع التطبيق على أطياف H-NMR لمرضى زرع الكلى. في تجميع البيانات الوظيفية الطولية. منتدى ثور بيول 2021؛ 114 (1-2):15 (المجلد 28).