复杂经济系统仿真复杂性特征识别.docVIP

复杂经济系统仿真复杂性特征识别 　　【摘要】基于复杂适应系统理论的经济系统仿真是否能产生复杂性,如何来界定并识别复杂性,长期以来很多相关研究均采用形态学的方法,通过输出的图形进行人工辨识。然而,经济系统仿真输出的多样性给准确的识别带来一定困难。本文尝试运用相空间重构技术及嵌入定理以及关联维计算定量地识别复杂经济仿真系统中的复杂性及其产生原因,通过该方法证实了基于CAS的多主体经济仿真存在着复杂性特证,并且该复杂性与主体的学习行为有着直接的联系。 　　【关键词】复杂适应系统理论 混沌诊断 相空间重构 关联维数 　　【中图分类号】N94【文献标示码】A 　　 　　1 引言 　　复杂适应系统(Complex Adaptive System,简称CAS)理论是美国圣塔菲研究所(Santa Fe Institute,简称SFI)的指导委员会主席之一、遗传算法创始人约翰#8226;H#8226;霍兰(John H#8226;Holland)于1994年,在SFI成立10周年所举行的乌拉姆系列讲座的报告会上首次提出的。所谓复杂适应系统,是指由大量的按一定规则或模式进行非线性相互作用的行为主体所组成的动态系统。它用生物进化的观点解释社会科学、经济学等学科领域的复杂性现象,强调微观个体为适应环境变化不断调整自己的行为方式,是导致系统宏观层面产生复杂性规律的根本原因, CAS理论的核心思想是:适应性造就复杂性。当然造就复杂性的因素可能是多方面的,适应性仅是产生复杂性的机制之一,并不排除还会有其他的产生复杂性机制。然而由适应性产生的复杂性,即所谓CAS确实是普遍存在的而又十分重要的复杂系统,对它们缺乏研究会”极大地阻碍我们去解决当今世界存在的一些重大问题“。 　　上世纪末,基于复杂适应系统理论的复杂系统仿真在社会科学、经济学等领域得到了广泛的关注,也产生了一批有影响的研究成果。其中,美国Sandia国家实验室在九十年代中期建立的美国经济模型ASPEN成为该领域研究的代表性成果。ASPEN仿真了现实经济中家庭、厂商、银行、政府等九类,并在厂商类主体中设计了能够积累产品定价经验的学习算法,使ASPEN模型的仿真结果呈现出现实经济中的不规则波动等复杂特征。 　　但是在类似ASPEN的模型研究中,也仅仅采用???态学的方法,用肉眼识别”波动“等复杂性现象。而经济系统仿真中输出的多样性给人工识别带来一定困难。针对此问题,笔者对仿ASPEN模型[1]的输出数据进行了实证分析,尝试运用混沌理论中有关混沌的判别方法判断仿真输出数据中是否存在复杂性。 　　刘洪[2]给出了用于经济混沌诊断的、未知规律的时间序列的关联维计算和李亚普诺夫指数的计算。本文采用其关于关联维计算的算法,对实验数据进行了实证分析,从而得出了关于复杂性的某项结论。汪四水等[3]对全国十个州报站的稻虬卷叶螟迁八数量的时问序列进行了关联维的计算,在实际中的应用为本文也提供了一定的指导。姜桂仁[6]讨论了相空间重构参数选择方法,归纳了混沌时序重构相空间的方法,对于已出现的计算最佳嵌入维数方法主观性强、仿真计算量大的特点,针对它们的不足,提出了延迟向量排序法来确定最佳嵌入维数;在计算最佳延迟时间间隔方面,提出了一种全新的方法即基于相邻向量内积来求最佳延迟时间间隔。 　　2、模型背景与研究目标 　　在仿ASPEN模型中,包含了政府、中央银行、银行、厂商、家庭等多种类型的主体。其中企业在制定产品价格,银行在决定贷款利率时都采用了遗传算法分类学习系统(Genetic Algorithm Learning Classified System,GALCS),通过适应性学习的过程,使得这些主体的行为更加接近现实生活中的微观个体[1]。具体算法及其它主体行为及属性请参阅文献[1],在此不再赘述。 　　本文所采用的数据即来自于ASPEN模型中食品厂商。由于厂商对产品定价行为采用了GALCS算法,因而具有适应性学习能力。在本研究中,主要通过分析食品厂商的净利润,来确定是模型输出是否存在复杂性特证。之所以选择厂商净利润作为分析对象,是因为该指标与厂商的定价算法以及厂商在定价博奕过程中的交互作用有关。 　　本研究的目标是: 　　(1) 确定仿ASPEN模型的输出数据是否存在复杂性 　　(2) 如果确认存在复杂性,需要进一步判断这种复杂性是否来源于主体的学习算法 　　为此,分别进行了两次仿真实验,第一次实验采集ASPEN模型中的食品厂商采用GALCS算法决定产品价格的利润数据;第二次对模型进行修改,用随机数取代食品厂商的产品定价算法,然后运行模型,得到随机定价的利润数据。 　　3、相空间重构及关联维计算 　　3.1相空间重构 　　1981年Takens等人提出嵌入定理:对于无限长、无噪声的