基于Agent的人工社会应急管理政策分析方法
摘要 | 第11-14页 |
Abstract | 第14-16页 |
第一章 绪论 | 第18-32页 |
1.1 研究背景 | 第18-25页 |
1.1.1 社会系统及其特点 | 第18-19页 |
1.1.2 社会突发事件及其影响 | 第19-22页 |
1.1.3 突发事件应急管理方法 | 第22-25页 |
1.2 本文拟解决科学问题 | 第25-26页 |
1.3 本文研究内容与贡献 | 第26-28页 |
1.4 论文组织结构 | 第28-32页 |
第二章 相关研究工作介绍 | 第32-44页 |
2.1 突发事件应急管理方法概述 | 第32-38页 |
2.1.1 传感器技术 | 第32-33页 |
2.1.2 应急管理法规的方法 | 第33页 |
2.1.3 博弈论方法 | 第33-34页 |
2.1.4 数学方法 | 第34页 |
2.1.5 数据科学方法 | 第34-35页 |
2.1.6 社会计算方法 | 第35-38页 |
2.2 人工社会与多Agent系统模型 | 第38-40页 |
2.3 基于Agent的建模语言 | 第40-42页 |
2.3.1 AML | 第40页 |
2.3.2 AUML与MAS-ML | 第40-41页 |
2.3.3 AAML | 第41-42页 |
2.4 本章小结 | 第42-44页 |
第三章 PZE方法 | 第44-52页 |
3.1 问题描述 | 第44-46页 |
3.2 PZE方法框架 | 第46-47页 |
3.3 PZE方法的核心思想与机制 | 第47-49页 |
3.4 相关工作对比 | 第49-50页 |
3.5 本章小结 | 第50-52页 |
第四章人工社会僵尸城模型及建模语言 | 第52-84页 |
4.1 问题描述 | 第52-53页 |
4.2 人工社会的僵尸城模型 | 第53-57页 |
4.3 人工社会建模语言ASML | 第57-77页 |
4.3.1 需求分析 | 第57-60页 |
4.3.2 建模语言的元模型 | 第60-62页 |
4.3.3 语言设计及语义基础 | 第62-75页 |
4.3.4 视点与模型 | 第75-77页 |
4.4 建模语言ASML的支撑工具 | 第77-80页 |
4.4.1 总体设计 | 第77-79页 |
4.4.2 软件原型 | 第79-80页 |
4.5 相关工作对比 | 第80-82页 |
4.6 本章小结 | 第82-84页 |
第五章 应急管理政策的评估方法 | 第84-106页 |
5.1 问题描述 | 第84页 |
5.2 政策定量评估方法 | 第84-97页 |
5.2.1 基于数值方法的政策定量评估 | 第85-86页 |
5.2.2 基于涌现度量的政策定量评估 | 第86-92页 |
5.2.3 涌现度量的仿真实验 | 第92-97页 |
5.3 政策定性评估方法 | 第97-103页 |
5.3.1 定性评估方法框架 | 第98页 |
5.3.2 僵尸城模型的形式化方法 | 第98-103页 |
5.4 相关工作对比 | 第103-104页 |
5.5 本章小结 | 第104-106页 |
第六章 应急管理政策调整与选择 | 第106-114页 |
6.1 问题描述 | 第106-108页 |
6.2 政策调整与选择方法 | 第108-111页 |
6.3 相关工作对比 | 第111页 |
6.4 本章小结 | 第111-114页 |
第七章 案例分析与实验 | 第114-140页 |
7.1 甲型H1N1流感病毒传播 | 第114-127页 |
7.1.1 案例描述 | 第114-115页 |
7.1.2 基于僵尸城模型的人工校园建模(Z) | 第115-118页 |
7.1.3 仿真实验及政策评估(E) | 第118-127页 |
7.1.4 政策选择(P) | 第127页 |
7.2 微博广告推广 | 第127-139页 |
7.2.1 案例描述 | 第127-130页 |
7.2.2 基于僵尸城的人工微博建模(Z) | 第130-133页 |
7.2.3 仿真实验与政策评估(E) | 第133-137页 |
7.2.4 广告推广政策的选择(P) | 第137-139页 |
7.3 本章小结 | 第139-140页 |
第八章 总结与展望 | 第140-144页 |
8.1 工作总结 | 第140-142页 |
8.2 研究展望 | 第142-144页 |
致谢 | 第144-146页 |
参考文献 | 第146-158页 |
作者在学期间取得的学术成果 | 第158-160页 |
作者在学期间参与的科研项目 | 第160页 |