Nueva lectura para discutir la sesión del 11 de diciembre

En esta lectura se discute el dilema del prisionero iterado cuando los participantes se encuentran distribuidos en una rejilla.
cap. 18
Saludos

Nueva lectura

Hola,

esta es la nueva lectura. Habla del dilema del prisionero iterado y es el antecedente para el dilema del prisionero espacial, lectura que espero subir hoy por la noche o mañana.

cap. 17

Saludos.

Lectura

Hola a todos.

En esta liga pueden bajar el artículo de Hamilton y Axelrod: Sexual Reproduction as an adaptation to resist parasites. Leanlo para el proximo martes.

Saludos.

Víctor.

Programa partidos

Hola a todos.
Aquí les subo los archivos de matlab para replicar el procedimiento de Axelrod y Bennett sobre la formación de alianzas, con algunas modificaciones de mi parte. Si no tienen matlab o no pueden cargarlo, no se preocupen, lleven para la próxima clase su matriz de características de los partidos y ahí vemos como evolucionan las configuraciones. Esta hecho para 6 partidos con 8 características.

para usarlo:

Cargar el archivo pars.m <-Aquí están guardadas unas características (caracs) y un umbral para cada partido (umbrales), ie. unas reglas del juego.

llenar el arreglo caracs <-aquí se especifican las 7 características bipolares (1 o -1) para cada partido. Ya vienen unas por default, pero cámbienlas a su gusto.

llenar el arreglo umbrales <-aquí se especifican los umbrales de cada partido, es decir, que tan conforme tiene que estar con su grupo para no cambiarse. Ya vienen unos por default, pero cámbienlas a su gusto.

ejecutar Compas <-Con esto hacemos la matriz de compatibilidades de los partidos.

ejecutar vertodas <-Con esto calculamos las órbitas para las 31 posibles configuraciones iniciales

Esto nos da como resultado 2 arreglos
F <- Es el estado final de cada órbita
P <- Si la órbita fue periódica, nos dice de que periodo fue.

pueden graficar estos arreglos usando
plot(F,'+');
plot(P,'+');

Como funciona es que toma una configuración, y partido por partido calcula la compatibilidad de él con el resto de los de su grupo (sumando las compatibilidades correspondientes que están anotadas en la matriz compats generada por Compas), si ésta es menor a su umbral se cambia de grupo, sino, permanece en él. Una vez hecho esto para los 6 partidos, tenemos una nueva configuración. Volvemos a hacer lo mismo para esta nueva configuración hasta caer en un ciclo. Hacemos esto para todas las configuraciones posibles.

Recuerden que matlab es sensible a mayúsculas y minúsculas.

Saludos. Víctor.

Nueva lectura

Hola. Esta es la nueva lectura. La discutimos, junto con lo que haya quedado pendiente de las anteriores, el próximo martes.

Saludos.

www-personal.umich.edu/~axe/research/ABM_Perspectives.pdf

Alianzas en los negocios y la política

Hola a todos.

Ya está aquí la nueva lectura: El capítulo 12 del libro Critical Mass de Philip Ball llamado: Join the Club, Alliances in Buisness and Politics. Denele una leída para discutirlo este martes (30 de oct).

Que tengan todos un buen fin de semana.

Lectura introductoria

Este artìculo es una buena introducción a la modelación basada en multiagentes. Por favor, lèanla para comentarla en la siguiente sesión.
Saludos Agent-based modeling

Bibliografía Básica

1. Philip Ball. Critical Mass. How one thing leads to another. FSG. (2004).
2. Robert Axelrod. La complejidad de la cooperación. FCE. (2003)
3. Stephen Wolfram. A new kind of science.
4. Janet Sites. The future of agent-based modeling The Santa Fe bulletin. Invierno del 2006.

Introducción

El estudio científico de diversos fenómenos se puede dividir en tres enfoques principales: teórico, experimental y computacional. Este último ha mostrado un crecimiento notable en los últimos años, principalmente en fenómenos en los que los otros enfoques han arrojado pocos resultados y que caen en la categoria de sistemas complejos. Dentro del enfoque computacional, la modelación basada en multiagentes es una herramienta que ha llamado la atención por los resultados arrojados y la teorìa que le da fundamento.

Un agente es el elemento mínimo que refleja algunas características de los componentes del sistema o fenómeno que se estudia. Los agentes pueden interactuar entre sí de acuerdo a un conjunto de reglas y en un ambiente determinado. El comportamiento mostrado por los agentes como consecuencia de sus interacciones es semejante al observado en los fenómenos de los que son una simplificación, lo que los hace modelos adecuados, pues las variables que intervienen, así como los estados del sistema, pueden ser controlados y estudiados con detalle.

Los modelos multiagentes han sido estudiados en diversos ámbitos, que incluyen la economía, la ciencia política, la biología y las neurociencias. En este seminario, se presentan los fundamentos del modelado basado en multiagentes, así como también se estudian los trabajos más representativos en diversos ámbitos.

La primera lectura recomendada es la siguiente:
Agent Based Modeling