仿真建模

无论采用何种建模方法，仿真的目的通常是为了研究系统。

在基于代理的建模（AM）中，系统的行为是根据代理的指定行为来确定的。如果我们发现系统出现紧急（不可预见的）行为怎么办？建模方案是“自下而上”实施的——从小到大，从特殊到一般。抽象程度较低。这意味着我们能够区分启动系统的“齿轮”。

示例任务。 交通流建模。每个智能体（驾驶员）都有从A点到达B点的目标。是否超车、速度等。代理人根据他所掌握的信息做出决定。模拟的结果是确定交通系统（道路网络、立交桥、公共交通等）的效率。

离散事件建模 (DEM)只是一种动态过程建模方法。时间是离散的。关键概念——事件和过程。在事件之间，系统“对我们不感兴趣”。抽象级别 - 低/中。

AM 和 DSM 可以混合使用。当进程之间没有严格连接时，AM 可以为随机系统的 JSM 提供帮助，因此代理必须根据可用的信息采取行动（启动进程和事件）。

示例任务。 模拟工业企业的运作（采购、生产、销售等）。通常，通过这种建模，他们试图找到瓶颈，以消除它们并提高系统（生产）的效率。

在系统动力学（SD）中，它们以相当高的抽象级别的系统表示进行操作，即 个体参与者未被识别（例如，人、个体机制等）。系统动力学方法用于Simulink和SimInTech等程序中。

任务示例。 SD主要用于对技术系统及其管理流程进行建模。但它也可以用来模拟社会系统。

至于主要问题。动态意味着事物随着时间的推移而变化。在这种情况下，系统的状态随着时间的推移而变化，更具体地说是级别等L1。L2碰巧（感谢牛顿和其他巨人）动态过程是由扩散器而不是 SLAE 来描述的。在4:52的视频中，简单的考虑用公式写了下来：

1. 无穷小时间内健康人数的变化L1就是康复患者的流量（强度）F1(L2)（流量取决于当前时刻的患病人数）和健康患病人数的差值F2(L1, L2)。流量F1增加L1，F2-减少（符号“-”）。根据实验数据、统计、理论等选择具体类型的流函数。
2. 与 类似L2： 在这种情况下，流量F2增加L2，F1-F3减少。
3. L3由于流动，死亡人数只会随着时间的推移而增加F3。

流F1等F2_ 可以是线性的并且具有非常简单的形式（例如，在Lotka-Volterra 模型中），也可以是非线性的。但结果通常是非线性解。使用 SLAE 无法描述流程（动态）和产生的依赖关系（除了极少数特殊情况）。