房地產(chǎn)仿真模擬的系統(tǒng)動力學與多智能體建模的比較研究

任思蓉 孫紹榮

摘要：重點介紹了房地產(chǎn)仿真研究的兩種主要方法：系統(tǒng)動力學和基于多智能體建模，分析總結(jié)了兩種方法各自的原理、建模特征和應用領(lǐng)域，對比分析了兩種方法的相同點和不同點，對兩種方法的發(fā)展趨勢和前景進行了展望，提出未來可采用兩種仿真方法相結(jié)合的方式來研究房地產(chǎn)經(jīng)濟系統(tǒng)。

關(guān)鍵詞： 房地產(chǎn)；系統(tǒng)動力學；多智能體建模；仿真

一、引言

對于房地產(chǎn)市場的研究一直是國內(nèi)外學者關(guān)注的熱點。目前，有關(guān)房地產(chǎn)市場的研究重點主要包括：房地產(chǎn)市場價格研究、供求關(guān)系研究、房地產(chǎn)市場周期研究、房地產(chǎn)市場與宏微觀經(jīng)濟的聯(lián)系以及從復雜系統(tǒng)角度建模分析房地產(chǎn)經(jīng)濟系統(tǒng)運行。對房地產(chǎn)市場的研究方式主要經(jīng)歷了從最初的語言描述，到常見的數(shù)學模型或邏輯模型分析，以及從統(tǒng)計學角度進行的相關(guān)性檢驗研究，再到近年來從復雜系統(tǒng)角度基于系統(tǒng)動力學等方法展開的仿真研究。

近年來，從復雜系統(tǒng)角度分析房地產(chǎn)經(jīng)濟系統(tǒng)的構(gòu)成，通過復雜系統(tǒng)建模的方法來模擬房地產(chǎn)經(jīng)濟系統(tǒng)的演化過程，成為房地產(chǎn)市場研究又一主流方法。房地產(chǎn)系統(tǒng)因其所含因素眾多，因素間關(guān)系錯綜復雜，通過對其內(nèi)部構(gòu)成進行分析，理清多個要素間相互作用及反饋關(guān)系，建立計算機系統(tǒng)動力學模型或多智能體模型來模擬其真實的運行，不僅能從宏觀上觀察到系統(tǒng)整體特征的變化，更能從微觀角度來解釋導致系統(tǒng)整體特征變化的原因，從而為房地產(chǎn)市場各類復雜現(xiàn)象的產(chǎn)生做出合理的解釋。

系統(tǒng)動力學和基于多智能體建模都是復雜系統(tǒng)仿真研究的重要方法，是隨著復雜性科學及系統(tǒng)科學的深入研究所發(fā)展起來的。因各自都能動態(tài)的模擬復雜系統(tǒng)的演變過程而被廣泛應用到各類復雜系統(tǒng)的研究中。本文對兩種方法的建模原理進行了介紹并重點比較了各自的特點和應用領(lǐng)域，對其發(fā)展趨勢和前景進行了展望。

二、房地產(chǎn)仿真研究兩種主要方法

（一）系統(tǒng)動力學

系統(tǒng)動力學（System Dynamic，簡稱SD）由美國麻省理工學院福瑞斯特（Jay W，F(xiàn)orrcester）教授于1956年首創(chuàng)，是系統(tǒng)學科的一個重要分支。SD是一種運用結(jié)構(gòu)、功能、歷史相結(jié)合的方法，借助于計算機仿真，定量地研究非線性（Non-linearity）、多重反饋（Information feedback）、復雜時變（Dynamic complexity）系統(tǒng)的系統(tǒng)分析技術(shù)。其理論與應用研究涉及多個學科和多種領(lǐng)域，適合于結(jié)合微觀和宏觀對復雜性、多層次、多部門、非線性的大規(guī)模系統(tǒng)進行綜合研究。

1、系統(tǒng)動力學原理介紹

系統(tǒng)動力學側(cè)重于研究系統(tǒng)的反饋過程，通過反饋回路來描述系統(tǒng)的結(jié)構(gòu)。其建模有三個重要組成部分：因果反饋圖、“流”圖和方程式。因果反饋圖描述各子系統(tǒng)之間的因果關(guān)系，是系統(tǒng)動力學的重要工具，包括正反饋和負反饋；“流”圖反應系統(tǒng)中累積效應的變化；系統(tǒng)動力學模型的結(jié)構(gòu)主要由微分方程式所組成，每一個連接狀態(tài)變量和速率的方程式即是一個微分方程式。系統(tǒng)動力學中以有限差分方程式來表示變量關(guān)系，再依時間步驟對各方程式求解，呈現(xiàn)出系統(tǒng)在各時間點的狀態(tài)變化。

2、系統(tǒng)動力學建模特征

系統(tǒng)動力學以反饋控制理論為基礎(chǔ)，通過計算機模擬，研究一定時間范圍內(nèi)系統(tǒng)各狀態(tài)特征的變化，適用于處理長期性和周期性的問題，其突出的特點是能夠進行長期動態(tài)研究，能反映出復雜系統(tǒng)的內(nèi)部結(jié)構(gòu)、功能和動態(tài)行為之間的相互作用關(guān)系?？偨Y(jié)系統(tǒng)動力學方法的特征有：（1）強調(diào)系統(tǒng)的整體性，系統(tǒng)的整體行為不能由其各組成部分的行為來獲得；（2）研究對象是具有高階性、多回路、非線性的信息反饋系統(tǒng)；（3）采用反饋回路來描述系統(tǒng)結(jié)構(gòu)，某些重要回路及其相互間的作用決定了系統(tǒng)的動態(tài)行為；（4）研究復雜系統(tǒng)多采用定性與定量相結(jié)合的方法；（5）適合于處理周期性和長期性問題，適合長期的動態(tài)研究；（6）對于數(shù)據(jù)的完備性要求不是太高，在缺少數(shù)據(jù)的情況下，仍然可以借助反饋關(guān)系進行研究；（7）借助于計算機技術(shù)，模型計算速度快，便于對模型的修改和完善。 3.系統(tǒng)動力學應用

系統(tǒng)動力學發(fā)展至今，其理論與應用研究遍及各類系統(tǒng)，幾乎涉及人類社會與自然的各類領(lǐng)域。張力菠等（2008）從系統(tǒng)動力學已有研究文獻入手，總結(jié)了系統(tǒng)動力學在各領(lǐng)域的應用情況，重點領(lǐng)域包括：環(huán)境資源類、經(jīng)濟發(fā)展及城市規(guī)劃、能源類、物流及供應鏈等。

鑒于房地產(chǎn)系統(tǒng)自身的復雜多變性，SD在處理復雜非線性系統(tǒng)具備獨特優(yōu)勢，最早是從上個世紀90年代后期開始有關(guān)房地產(chǎn)市場系統(tǒng)動力學模型仿真研究。系統(tǒng)動力學在房地產(chǎn)市場研究中的應用多用于研究城市系統(tǒng)建設(shè)、城市住宅系統(tǒng)研究、房地產(chǎn)市場周期研究、房地產(chǎn)預警機制研究以及政策實驗及預測研究等。

（二）基于多智能體建模

基于多智能體建模也是一種重要的復雜系統(tǒng)模擬方法，可以通過模擬系統(tǒng)內(nèi)部微觀個體行為來形成系統(tǒng)宏觀特征的“涌現(xiàn)”，能體現(xiàn)復雜系統(tǒng)的“局部規(guī)則導致宏觀變化”的特點。

1.基于多智能體建模原理

基于多智能體建模（Multi Agent Based Modeling，MABM）是復雜適應系統(tǒng)（Complex Adaptive System， CAS）理論框架下應用較為廣泛的行為模擬方法，也是目前CAS理論研究的主要方法。約翰·霍蘭于1994年提出了復雜適應性系統(tǒng)理論（Complex Adaptive System，簡稱CAS），“系統(tǒng)是由具有適應性的個體所組成”，開啟了人們從主體角度、主體與環(huán)境的互動作用角度來認識系統(tǒng)的復雜性，為人們研究復雜系統(tǒng)提供了一種重要的思路與方法，該理論同時成為目前經(jīng)濟系統(tǒng)仿真研究的重要理論基礎(chǔ)。

基于智能體建模的方法主要通過利用Agent的局部連接規(guī)則、函數(shù)和局部細節(jié)模型，建立復雜適應系統(tǒng)的整體演化模型，通過借助計算機仿真，模擬小規(guī)模行為到大規(guī)模突變的復雜適應系統(tǒng)涌現(xiàn)的行為。核心是通過在局部細節(jié)模型與全局表現(xiàn)（宏觀總量的變化、涌現(xiàn)現(xiàn)象）間的循環(huán)反饋和校正，來研究局部行為如何涌現(xiàn)出宏觀的全局變化，

是一種自下而上的建模。

多Agent建模仿真的關(guān)鍵是通過對復雜系統(tǒng)的反復觀察和研究，將復雜系統(tǒng)的組成部分分解成一個個具有智能性的Agent，再通過個體Agent之間以及Agent與環(huán)境之間反復交互作用來推動整個復雜系統(tǒng)運行和演化，Agent個體模型是否設(shè)置合理就關(guān)系到模擬目標系統(tǒng)的建立并最終影響系統(tǒng)涌現(xiàn)結(jié)果。

在使用多Agent建模時，基本要考慮清楚的問題如下：

（1）系統(tǒng)由哪幾類Agent所構(gòu)成；

（2）個體Agent自身結(jié)構(gòu)是怎樣的；

（3）Agent與Agent之間通過怎樣的方式通信；

（4）Agent與Agent之間采用什么樣的通信協(xié)議；

（5）Agent與Agent之間協(xié)作性的實現(xiàn)。

2、基于多智能體建模的應用

基于多智能體建模在經(jīng)濟、管理、社會]、生態(tài)及軍事等多個領(lǐng)域中都應用廣泛，如：近年來，基于多智能體建模與CA模型相結(jié)合在行為模擬方面取得較深入的應用。如：LeBaron（2002）建立了人工股票市場，將基于智能體的建模運用到了股票市場投資者行為的研究，使經(jīng)濟仿真方法的應用逐漸從宏觀系統(tǒng)演化層面深入到微觀經(jīng)濟主體行為研究層面。韓立巖等（2007）將復雜適應性系統(tǒng)引入行為金融的研究，并構(gòu)造了一個基于多主體羊群行為仿真模型，通過仿真和模擬測算了虛擬股票市場中的羊群效應，為進一步研究股票市場投資者的羊群效用奠定了仿真模型基礎(chǔ)。

在房地產(chǎn)市場的研究中，基于多智能體建模的主要思路是將房地產(chǎn)經(jīng)濟系統(tǒng)的各組成部分或參與者看成一個個“活的”、具有自主性的個體（Agent），通過分析各類Agent的行為，建立相應的Agent模型，分析設(shè)定各類Agent之間以及Agent與環(huán)境之間的相互作用機制，通過計算機模擬觀察由微觀Agent相互作用所“涌現(xiàn)”出的房地產(chǎn)經(jīng)濟系統(tǒng)整體的特性，來以此解釋某個經(jīng)濟現(xiàn)象的出現(xiàn)，或通過參數(shù)實驗，來觀察總結(jié)出某種經(jīng)濟規(guī)律。

三、SD與多Agent建模特點比較

系統(tǒng)動力學方法和基于Agent 建模的方法都適合于研究復雜系統(tǒng)，只是這兩種方法的建模過程、方法理論等方面各有所長，對比兩種方法的特征總結(jié)如下：

兩方法的相同點包括：

（1）理論觀相同：都強調(diào)從“系統(tǒng)觀”的角度來開展研究；

（2）開放性與動態(tài)性相似：SD與基于多Agent建模都具有良好的開放性與動態(tài)性，使得它們可以靈活地應用于不同的領(lǐng)域，可以靈活的與其他技術(shù)相結(jié)合；

（3）可操作性強：都具有很好的可操作性，基于計算機平臺上進行仿真模擬，運算速度快，便于對模型的修改和完善。

兩種方法的不同點包括： （1） 研究對象上：SD的主要研究問題是復雜系統(tǒng)的反饋過程，其建模的過程就是系統(tǒng)的反饋機制在計算機中形式化的過程。基于Agent建模主要研究推動系統(tǒng)演化的系統(tǒng)中微觀個體間的相互作用機制。

（2） 研究方法上：SD通過對宏觀系統(tǒng)進行抽象，設(shè)置流變量及其他狀態(tài)變量，分析因果反饋關(guān)系，最終建立仿真系統(tǒng)的因果反饋圖，并在此基礎(chǔ)上進行仿真研究；多Agent建模通過對宏觀系統(tǒng)中個體及個體行為的抽離，通過建立個體行為規(guī)則和演化機制來實現(xiàn)對現(xiàn)實系統(tǒng)的演繹。

（3）變量演算上：SD模型主要由微分方程式構(gòu)成，通常用微積分來表示系統(tǒng)的時滯性；基于多Agent建模允許隨機性的存在，Agent間演化規(guī)則多基于邏輯關(guān)系、演化算法以及概率論。

（4）建模過程上：SD建模是一種自上而下的建模，從整體入手，分析系統(tǒng)的因果反饋關(guān)系，建立系統(tǒng)模型；基于多Agent建模是一種自下而上的建模，以系統(tǒng)中個體Agent為基準點，先分析建立Agent的個體模型，基于個體模型建立整體模型。

四、小結(jié)

系統(tǒng)動力學與多智能體建模在房地產(chǎn)系統(tǒng)仿真研究中各有側(cè)重，系統(tǒng)動力學擅長研究系統(tǒng)的反饋行為，多智能體建模則更適合從自治主體性的角度來展開研究。隨著現(xiàn)今人類社會各系統(tǒng)復雜性、突變性、關(guān)聯(lián)性的日益復雜，將兩種方法結(jié)合是未來研究復雜系統(tǒng)的一大趨勢。目前已有關(guān)于兩種方法相結(jié)合的研究，如：Karsten等人（2009）進行了基于SD和Agent模擬的汽車行業(yè)產(chǎn)品戰(zhàn)略決策支持模型的仿真模擬；畢貴紅在其博士論文中建立了基于SD的固體廢物管理系統(tǒng)的Agent仿真模型，但在房地產(chǎn)仿真領(lǐng)域還沒有相關(guān)綜合的研究。未來將系統(tǒng)動力學與基于多智能體建模相結(jié)合，建立綜合SD和多Agent建模優(yōu)點的SD-Agent復雜系統(tǒng)仿真模型將會得到更廣泛的研究和應用。

參考文獻：

[1]許春青， 田益祥， 馬永開. 房地產(chǎn)周期波動的系統(tǒng)動力學模型[J]. 電子科技大學學報（社科版）， 2011， 13（4）： 32-37.

[2]趙黎明， 李波， 劉煜. 房地產(chǎn)企業(yè)預警系統(tǒng)指標的系統(tǒng)動力學分析[J]. 天津大學學報（社科版）， 2004， 6（2）： 142-145.

[3]李妍. 房地產(chǎn)政策仿真研究與實踐[J]. 深圳大學學報（人文社科版）， 2011， 28（4）： 25-29.

[4]邱榮旭， 李山， 吳靜. 基于Agent建模在旅游模擬研究中的回顧與展望[J]. 地理與地理信息科學， 2009， 25（5）： 102-107.

[5]任韜， 王文舉. 保險市場結(jié)構(gòu)經(jīng)濟動態(tài)模擬分析[J]. 經(jīng)濟與管理研究， 2008（5）： 28-33.

[6]Small C T. An enterprise knowledge-sharing model-a complex adaptive systems perspective on improvement in knowledge sharing[D]. America： George Mason University， 2005.

[7]D.Ashloek. Evolutionary Computation for Modeling and Optimization[J]. Springer， 2006， 2（5）： 36-51.

[8]Everett M.Rogers， Una E.Medina. Complex Adaptive Systems and the Diffusion of Innovations[J]. The Public Sector Innovation Journal， 2009， 10（3）： 29-37.

[9]鳳磊， 張順健. 基于Agent的綜合電子戰(zhàn)系統(tǒng)建模與仿真方法研究[J]. 軍事運籌與系統(tǒng)工程， 2007， 21（1）： 22-26.

[10]Blake LeBaron. Building the Santa Fe Artificial Stock Market. Brandeis University， 2002

[11]韓立巖， 夏坤. 羊群行為的多主體仿真模型[J]. 北京航空航天大學學報（社科版）， 2007， 20（3）： 10-14.

[12]Karsten Kieckhafer， Joachim Axmann， Thomas Spengler. Intergating agent-based simulation and system dynamics to support product strategy decisions in the automotive industry[C]. Proceedins of the 2009 Winter Simulation Conference， 2009， 1433-1443.

[13]畢貴紅. 固體廢物綜合管理系統(tǒng)演化與調(diào)控模型研[D]. 昆明理工大學， 2008.

基金項目：上海市哲學社會科學規(guī)劃課題（2011BGL006）；上海市重點學科項目（S30504）