Joël Smit | 6Va
Informatica – R Computational Science – R1 Modellen
R1.1 Inleiding
Bij voorspellingen voor toekomst wordt gebruik gemaakt van computermodel
computational science = wetenschap mbv modellen bv. weermodel, bevolkingsgroei
Algemene doelen van modelleren:
Toekomst sneller voorspellen
Zonder consequenties in de werkelijkheid alsnog iets uitvoeren/uitproberen
Trainen voor iets in simulator bv. vliegen, autorijden
Kostenbesparing
Met model dingen simuleren = iets zo echt mogelijk laten lijken
R1.2 Groepsgedag
Simpel gedrag van individuele agents leidt tot complex groepsgedrag dat je nooit zou
zien als je agents afzonderlijk zou bestuderen = emergent gedrag
Agents reageren op omgeving door 1 of meer simpele regels uit te voeren
Agent-based modeling = bij computermodel kijken naar losse agents ipv gehele groep
R1.3 Tijd en iteraties (opdr.8,9)
Groepen van agents veranderen voortdurend van vorm in de loop van de tijd regels
van model worden telkens opnieuw door alle agents uitgevoerd 1 stap = iteratie na
elke iteratie is bv. spel in nieuwe toestand uitvoer van computermodel bestaat altijd uit
meerdere iteraties iteratie is tijdseenheid
Processen modelleren door ze te beschrijven op basis van gedrag van kleinere eenheden
Bv. vuur als emergent gedrag met bomen (agents) met eigenschap brandend
Laterale inhibitie = cellen onderdrukken signaal van buren contrast langs rand
vergroot
R1.4 Het doel van modelleren (opdr.11.4)
Doelen van modelleren:
Manier om werkelijkheid te beschrijven
Uitleggen of verklaren bv. ontwikkelingen
Onderwijs of educatie
Experimenteren nieuwe situaties proberen
Discussiëren en voorspellen op basis van resultaten
Toeval ofwel random gedrag veel fenomenen die we kunnen modelleren bevatten
willekeur
Niet-deterministisch = modellen bevatten toevalselementen, waardoor uitkomst niet
altijd hetzelfde zal zijn
Bv. spin erft veel regels van voorouders, maar door mutaties worden die regels klein
beetje random gewijzigd
Overredingskracht = hoe goed iemand in staat is een ander met argumenten te
overtuigen
Vasthoudendheid = hoeveel er voor nodig is om iemand van mening te doen veranderen
Agent-based modeling agents vertonen gedrag op basis van aantal simpele regels
agents reageren hierbij op omgeving
Cellulaire automaat bestaat uit raster van cellen (agents) die zich in beperkt aantal
toestanden kunnen bevinden (bv. kleuren) door toepassen van gedragsregels die
betrekking hebben op toestand van buren, kan toestand van cel veranderen
Bv. 150 regel: binair 10010110 = 128+0+0+16+0+4+2+0 = 150 (zie afb.) bovenste
rij is situatie (binaire getallen 1 t/m 7), onderste is wat middelste cel voor toestand krijgt
na iteratie
1
Informatica – R Computational Science – R1 Modellen
R1.1 Inleiding
Bij voorspellingen voor toekomst wordt gebruik gemaakt van computermodel
computational science = wetenschap mbv modellen bv. weermodel, bevolkingsgroei
Algemene doelen van modelleren:
Toekomst sneller voorspellen
Zonder consequenties in de werkelijkheid alsnog iets uitvoeren/uitproberen
Trainen voor iets in simulator bv. vliegen, autorijden
Kostenbesparing
Met model dingen simuleren = iets zo echt mogelijk laten lijken
R1.2 Groepsgedag
Simpel gedrag van individuele agents leidt tot complex groepsgedrag dat je nooit zou
zien als je agents afzonderlijk zou bestuderen = emergent gedrag
Agents reageren op omgeving door 1 of meer simpele regels uit te voeren
Agent-based modeling = bij computermodel kijken naar losse agents ipv gehele groep
R1.3 Tijd en iteraties (opdr.8,9)
Groepen van agents veranderen voortdurend van vorm in de loop van de tijd regels
van model worden telkens opnieuw door alle agents uitgevoerd 1 stap = iteratie na
elke iteratie is bv. spel in nieuwe toestand uitvoer van computermodel bestaat altijd uit
meerdere iteraties iteratie is tijdseenheid
Processen modelleren door ze te beschrijven op basis van gedrag van kleinere eenheden
Bv. vuur als emergent gedrag met bomen (agents) met eigenschap brandend
Laterale inhibitie = cellen onderdrukken signaal van buren contrast langs rand
vergroot
R1.4 Het doel van modelleren (opdr.11.4)
Doelen van modelleren:
Manier om werkelijkheid te beschrijven
Uitleggen of verklaren bv. ontwikkelingen
Onderwijs of educatie
Experimenteren nieuwe situaties proberen
Discussiëren en voorspellen op basis van resultaten
Toeval ofwel random gedrag veel fenomenen die we kunnen modelleren bevatten
willekeur
Niet-deterministisch = modellen bevatten toevalselementen, waardoor uitkomst niet
altijd hetzelfde zal zijn
Bv. spin erft veel regels van voorouders, maar door mutaties worden die regels klein
beetje random gewijzigd
Overredingskracht = hoe goed iemand in staat is een ander met argumenten te
overtuigen
Vasthoudendheid = hoeveel er voor nodig is om iemand van mening te doen veranderen
Agent-based modeling agents vertonen gedrag op basis van aantal simpele regels
agents reageren hierbij op omgeving
Cellulaire automaat bestaat uit raster van cellen (agents) die zich in beperkt aantal
toestanden kunnen bevinden (bv. kleuren) door toepassen van gedragsregels die
betrekking hebben op toestand van buren, kan toestand van cel veranderen
Bv. 150 regel: binair 10010110 = 128+0+0+16+0+4+2+0 = 150 (zie afb.) bovenste
rij is situatie (binaire getallen 1 t/m 7), onderste is wat middelste cel voor toestand krijgt
na iteratie
1
