مقدمه‌:

تا به حال به این فکر کرده‌اید که چگونه می‌توان رفتار یک بازار شلوغ، الگوی ترافیک شهری یا حتی نحوه شیوع یک ایده جدید در یک شبکه اجتماعی را پیش‌بینی کرد؟ پاسخ در درک رفتار تک‌تک اجزای آن سیستم نهفته است. اینجا جایی است که «مدل‌سازی مبتنی بر عامل» یا Agent-based Models (ABM) وارد میدان می‌شود. ABM یک روش محاسباتی قدرتمند است که به جای نگاه کردن به سیستم به عنوان یک کل یکپارچه، آن را به صورت مجموعه‌ای از «عامل‌های» خودمختار و هوشمند شبیه‌سازی می‌کند. این عامل‌ها می‌توانند هر چیزی باشند: از یک مشتری در فروشگاه و یک راننده در خیابان گرفته تا یک سلول در بدن یا یک شرکت در یک اکوسیستم اقتصادی.

هر عامل قوانین رفتاری خاص خود را دارد و با دیگر عامل‌ها و محیط اطرافش تعامل می‌کند. جادوی ABM در این است که به ما نشان می‌دهد چگونه الگوهای پیچیده و غیرمنتظره در سطح کلان (مانند سقوط بازار سهام) از تعاملات ساده و فردی در سطح خرد پدیدار می‌شوند. این رویکرد به ویژه برای استارتاپ‌ها و مدیران کسب‌وکار که به دنبال درک دینامیک بازار و تصمیم‌گیری‌های هوشمندانه‌تر هستند، یک ابزار استراتژیک محسوب می‌شود. در این مقاله جامع، ما شما را قدم به قدم با این حوزه جذاب آشنا می‌کنیم و به طور خاص بر روی آموزش گام به گام و استفاده از Agent-based Models با یکی از بهترین ابزارهای موجود تمرکز خواهیم کرد.

معرفی NetLogo: دروازه‌ای به دنیای شبیه‌سازی

برای ورود به جهان مدل‌سازی مبتنی بر عامل، به یک ابزار قدرتمند و در عین حال کاربرپسند نیاز داریم. NetLogo دقیقاً همان ابزار است. NetLogo که توسط مرکز یادگیری متصل و مدل‌سازی مبتنی بر کامپیوتر (CCL) در دانشگاه نورث‌وسترن توسعه یافته، یک محیط برنامه‌نویسی و شبیه‌سازی رایگان و چندسکویی (Cross-platform) است. این برنامه با زبان برنامه‌نویسی ساده و نزدیک به زبان انگلیسی خود، به کاربران اجازه می‌دهد تا بدون نیاز به دانش عمیق برنامه‌نویسی، مدل‌های پیچیده‌ای را ایجاد و اجرا کنند.

تاریخچه NetLogo به اواخر دهه ۱۹۹۰ بازمی‌گردد و هدف اصلی از خلق آن، دسترس‌پذیر کردن مدل‌سازی برای دانش‌آموزان، معلمان و محققان بوده است. پتانسیل NetLogo فراتر از کلاس درس است؛ امروزه بسیاری از کسب‌وکارها و استارتاپ‌ها از آن برای مدل‌سازی سناریوهای مختلف، از تحلیل زنجیره تأمین گرفته تا تست استراتژی‌های بازاریابی، استفاده می‌کنند. این ابزار هوش مصنوعی به شما امکان می‌دهد تا به صورت بصری ببینید که چگونه تصمیمات کوچک می‌توانند به نتایج بزرگ منجر شوند. می‌توانید NetLogo را از وب‌سایت رسمی آن به آدرس ccl.northwestern.edu/netlogo دانلود کنید.

آموزش گام به گام و استفاده از Agent-based Models | نصب و راه‌اندازی NetLogo

نصب NetLogo بسیار ساده است و در چند دقیقه انجام می‌شود. این نرم‌افزار بر روی سیستم‌عامل‌های اصلی مانند ویندوز، macOS و لینوکس قابل نصب است. علاوه بر این، نسخه‌ای تحت وب به نام NetLogoWeb نیز وجود دارد که به شما امکان می‌دهد مدل‌ها را بدون نیاز به نصب، مستقیماً در مرورگر خود اجرا کنید. این ویژگی برای کاربرانی که از دستگاه‌هایی مانند کروم‌بوک استفاده می‌کنند یا اجازه نصب نرم‌افزار روی سیستم خود را ندارند، بسیار کاربردی است. در ادامه، مراحل نصب نسخه دسکتاپ را دنبال می‌کنیم.

مرحله ۱: دانلود فایل نصبی

ابتدا به صفحه دانلود رسمی NetLogo در آدرس ccl.northwestern.edu/netlogo/download.shtml مراجعه کنید. در این صفحه، یک فرم اختیاری برای وارد کردن اطلاعاتی مانند نام و ایمیل وجود دارد که می‌توانید آن را پر کرده یا خالی بگذارید و مستقیماً روی دکمه “Download” کلیک کنید. پس از آن به صفحه‌ای هدایت می‌شوید که لینک‌های دانلود برای سیستم‌عامل‌های مختلف در آن قرار دارد. نسخه متناسب با سیستم‌عامل خود (مثلاً Windows 64-bit یا macOS) را انتخاب و دانلود کنید.

مرحله ۲: نصب بر روی ویندوز

پس از دانلود فایل با پسوند .msi، روی آن دوبار کلیک کنید تا فرآیند نصب آغاز شود. پنجره نصب NetLogo ظاهر می‌شود. کافی است روی دکمه‌های “Next” کلیک کرده، با شرایط استفاده موافقت کنید و محل نصب را (در صورت تمایل) تغییر دهید. در نهایت با کلیک روی “Install”، فرآیند نصب تکمیل می‌شود و می‌توانید NetLogo را از منوی استارت اجرا کنید.

مرحله ۳: نصب بر روی macOS

فایل دانلود شده برای macOS یک فایل .dmg است. روی آن دوبار کلیک کنید تا یک پنجره جدید باز شود. در این پنجره، آیکون NetLogo و یک میان‌بر به پوشه Applications را مشاهده می‌کنید. به سادگی آیکون NetLogo را بکشید و روی آیکون پوشه Applications رها کنید. به همین راحتی! NetLogo اکنون در پوشه برنامه‌های شما نصب شده است و می‌توانید آن را از طریق Launchpad یا Finder اجرا کنید.

مرحله ۴: اجرای اولین مدل از کتابخانه

پس از نصب و اجرای NetLogo، بهترین راه برای شروع، کاوش در کتابخانه مدل‌های آماده آن است. از منوی “File” گزینه “Models Library” را انتخاب کنید. پنجره‌ای با دسته‌بندی‌های مختلف مانند علوم اجتماعی، زیست‌شناسی و علوم کامپیوتر باز می‌شود. به عنوان مثال، به پوشه “Social Science” بروید و مدل “Wolf Sheep Predation” را باز کنید. این یک مدل کلاسیک است که تعامل بین گرگ‌ها، گوسفندان و علف را شبیه‌سازی می‌کند. در رابط کاربری مدل، دکمه “setup” را بزنید تا دنیای اولیه شبیه‌سازی ساخته شود و سپس دکمه “go” را فشار دهید تا شبیه‌سازی آغاز شود. شما اکنون اولین مدل مبتنی بر عامل خود را اجرا کرده‌اید!

راهنمای نوشتن پرامپت (دستور) در NetLogo

قلب هر مدل NetLogo، کد آن است که در تب “Code” نوشته می‌شود. زبان NetLogo به گونه‌ای طراحی شده که خوانا و قابل فهم باشد، حتی برای کسانی که تجربه برنامه‌نویسی ندارند. به جای “پرامپت”، در دنیای NetLogo ما از واژه‌های “دستور” (Command) و “رویه” (Procedure) استفاده می‌کنیم. رویه‌ها بلاک‌هایی از کد هستند که یک وظیفه خاص را انجام می‌دهند. دو رویه اصلی در اکثر مدل‌ها to setup و to go هستند.

ساختار اصلی یک مدل

یک مدل ساده معمولاً شامل سه بخش اصلی است:

1. تعریف عامل‌ها و متغیرها: در ابتدای کد، شما مشخص می‌کنید که چه نوع عامل‌هایی دارید (مثلاً turtles برای عامل‌های متحرک و patches برای خانه‌های محیط) و چه ویژگی‌هایی دارند (مثلاً turtles-own [energy] برای تعریف متغیر انرژی برای لاک‌پشت‌ها).
2. رویه setup: این رویه برای آماده‌سازی اولیه شبیه‌سازی استفاده می‌شود. دستوراتی مانند clear-all (پاک کردن همه چیز)، ایجاد عامل‌ها (create-turtles 100) و مقداردهی اولیه متغیرهای آن‌ها در این بخش قرار می‌گیرند.
3. رویه go: این رویه قلب تپنده شبیه‌سازی است و بارها و بارها اجرا می‌شود. در هر مرحله (که به آن تیک یا tick می‌گویند)، دستورات درون این رویه برای همه عامل‌ها اجرا می‌شود. مثلاً به همه عامل‌ها می‌گویید حرکت کنند (ask turtles [ forward 1 ]) و انرژی از دست بدهند.

برای مثال، یک رویه بسیار ساده برای حرکت تصادفی عامل‌ها می‌تواند به این شکل باشد:

to move-turtles
  ask turtles [
    right random 60
    left random 60
    forward 1
  ]
end

این کد به تمام عامل‌های turtle دستور می‌دهد که به صورت تصادفی کمی به چپ یا راست بچرخند و سپس یک قدم به جلو بروند. با ترکیب چنین دستورات ساده‌ای، می‌توانید رفتارهای پیچیده‌ای را مدل کنید. این زبان برنامه‌نویسی ساده، NetLogo را به یک برنامه هوش مصنوعی قابل دسترس برای همه تبدیل کرده است.

ویژگی‌ها و قابلیت‌های کلیدی NetLogo

NetLogo مجموعه‌ای غنی از ویژگی‌ها را ارائه می‌دهد که آن را به ابزاری انعطاف‌پذیر برای طیف گسترده‌ای از کاربردها تبدیل می‌کند. این قابلیت‌ها به خصوص برای استارتاپ‌ها و کسب‌وکارهایی که نیاز به تحلیل سناریوهای “چه می‌شود اگر…” (What-if) دارند، بسیار ارزشمند است.

• کتابخانه مدل‌های گسترده: NetLogo با یک کتابخانه عظیم از مدل‌های از پیش ساخته شده در حوزه‌های مختلف عرضه می‌شود. این مدل‌ها نه تنها برای یادگیری عالی هستند، بلکه می‌توانند به عنوان نقطه شروعی برای مدل‌های سفارشی شما عمل کنند. این ویژگی آن را به یک سایت هوش مصنوعی آموزشی تبدیل می‌کند.
• رابط کاربری تعاملی: شما می‌توانید در حین اجرای شبیه‌سازی، پارامترها را از طریق اسلایدرها و دکمه‌ها تغییر دهید و نتایج را به صورت آنی مشاهده کنید. این قابلیت برای کاوش و درک دینامیک سیستم فوق‌العاده است.
• نمایش دو بعدی و سه بعدی: NetLogo به شما اجازه می‌دهد دنیاهای شبیه‌سازی خود را هم به صورت دو بعدی و هم سه بعدی مشاهده کنید. این ویژگی به درک بهتر تعاملات فضایی بین عامل‌ها کمک می‌کند.
• ابزار BehaviorSpace: این یک ابزار بسیار قدرتمند برای اجرای آزمایش‌های پارامتریک است. شما می‌توانید به BehaviorSpace بگویید که مدل شما را هزاران بار با ترکیب‌های مختلفی از پارامترها اجرا کند و نتایج را به صورت خودکار در یک فایل جمع‌آوری کند. این قابلیت برای تحلیل حساسیت و بهینه‌سازی مدل‌ها حیاتی است.
• قابلیت توسعه با افزونه‌ها (Extensions): NetLogo از طریق افزونه‌ها قابل گسترش است. افزونه‌هایی برای اتصال به سیستم‌های اطلاعات جغرافیایی (GIS)، کار با آرایه‌ها، کنترل ربات‌های واقعی و حتی اتصال به زبان‌های دیگر مانند پایتون و R وجود دارد.
• NetLogoWeb: همانطور که قبلاً ذکر شد، قابلیت اشتراک‌گذاری و اجرای مدل‌ها در وب بدون نیاز به نصب، یک مزیت بزرگ برای آموزش و ارائه نتایج به مخاطبان گسترده‌تر است. این ویژگی NetLogo را به یک پلتفرم هوش مصنوعی انلاین تبدیل می‌کند.

محدودیت‌های NetLogo که باید بشناسید

با وجود تمام مزایا، NetLogo نیز مانند هر ابزار دیگری دارای محدودیت‌هایی است که آگاهی از آن‌ها برای انتخاب ابزار مناسب ضروری است.

• عملکرد در مقیاس بزرگ: NetLogo برای مدل‌هایی با صدها هزار یا میلیون‌ها عامل بهینه نشده است. از آنجایی که بر پایه جاوا ساخته شده و برای سادگی و اهداف آموزشی طراحی شده، اجرای شبیه‌سازی‌های بسیار بزرگ می‌تواند کند باشد. برای این موارد، ابزارهای دیگری مانند Repast یا MASON که برای عملکرد بالا طراحی شده‌اند، گزینه‌های بهتری هستند.
• محدودیت‌های NetLogoWeb: نسخه وب NetLogo تمام ویژگی‌های نسخه دسکتاپ را ندارد. برخی افزونه‌ها و دستورات پیشرفته ممکن است در NetLogoWeb کار نکنند یا رفتار متفاوتی داشته باشند. این به دلیل محدودیت‌های فناوری‌های وب است.
• زبان برنامه‌نویسی خاص دامنه: اگرچه زبان NetLogo برای مبتدیان ساده است، اما یک زبان برنامه‌نویسی همه‌منظوره مانند پایتون یا جاوا نیست. اگر پروژه شما نیاز به ادغام گسترده با سایر سیستم‌ها یا کتابخانه‌های نرم‌افزاری پیچیده دارد، ممکن است استفاده مستقیم از یک کتابخانه ABM در پایتون (مانند Mesa) انتخاب بهتری باشد.
• عدم پشتیبانی از پردازش موازی داخلی: NetLogo به طور پیش‌فرض از تمام هسته‌های پردازنده شما برای اجرای یک شبیه‌سازی واحد استفاده نمی‌کند. اگرچه ابزار BehaviorSpace می‌تواند آزمایش‌ها را به صورت موازی اجرا کند، اما خود شبیه‌سازی تک‌نخی (Single-threaded) است.

این محدودیت‌ها به معنای ضعف NetLogo نیستند، بلکه نشان‌دهنده تمرکز آن بر آموزش، سهولت استفاده و کاوش تعاملی مدل‌ها هستند. برای بسیاری از مسائل در حوزه کسب‌وکار و علوم اجتماعی، عملکرد آن بیش از حد کافی است.

مقایسه جامع NetLogo با ابزارهای مشابه

انتخاب ابزار مناسب برای مدل‌سازی مبتنی بر عامل به نیازهای پروژه شما بستگی دارد. در جدول زیر، NetLogo را با سه رقیب اصلی خود یعنی Repast، MASON و AnyLogic مقایسه کرده‌ایم تا به شما در این انتخاب کمک کنیم. این جدول به صورت واکنش‌گرا طراحی شده و در دستگاه‌های موبایل قابل اسکرول افقی است.

ویژگی	NetLogo	Repast Symphony	MASON	AnyLogic
سهولت استفاده	بسیار بالا (زبان ساده، ایده‌آل برای مبتدیان)	متوسط (نیاز به دانش جاوا و محیط Eclipse)	متوسط به پایین (کتابخانه جاوا، تمرکز بر عملکرد)	بالا (محیط گرافیکی Drag-and-Drop)
هزینه	کاملاً رایگان و متن‌باز (هوش مصنوعی رایگان)	رایگان و متن‌باز	رایگان و متن‌باز	نسخه رایگان محدود (PLE)، نسخه‌های تجاری گران
کاربردها	آموزش، علوم اجتماعی، زیست‌شناسی، تحلیل‌های سریع کسب‌وکار	علوم اجتماعی، اقتصاد، زیرساخت‌ها، شبیه‌سازی‌های مقیاس بزرگ	شبیه‌سازی‌های مقیاس بسیار بزرگ، رباتیک، گرافیک کامپیوتری	لجستیک، زنجیره تأمین، تولید، فرآیندهای کسب‌وکار (تجاری)
نقاط قوت	یادگیری سریع، کتابخانه مدل غنی، جامعه کاربری فعال، تعاملی بودن	انعطاف‌پذیری بالا، قابلیت‌های خوب برای مصورسازی و جمع‌آوری داده	عملکرد بسیار بالا، قابلیت تفکیک شبیه‌سازی از مصورسازی	مدل‌سازی چندروشی (ABM, System Dynamics, Discrete-Event)
نقاط ضعف	عملکرد کندتر در مقیاس بزرگ، زبان تخصصی	منحنی یادگیری شیب‌دار، نیاز به مهارت برنامه‌نویسی	مستندات کمتر برای مبتدیان، نیاز به کدنویسی زیاد	هزینه بالای نسخه‌های تجاری، محدودیت‌های نسخه رایگان
نوع داده	مبتنی بر عامل و محیط شبکه‌ای (Grid)	پشتیبانی از شبکه‌ها، جغرافیا (GIS) و فضاهای مختلف	پشتیبانی از فضاهای گسسته و پیوسته، شبکه‌ها	ترکیبی، پشتیبانی از پایگاه داده و اکسل
موارد استفاده رایج	مدل‌سازی شیوع بیماری، مدل تفکیک شلینگ، رفتار جمعی	شبیه‌سازی بازارهای مالی، تحلیل شبکه‌های اجتماعی	شبیه‌سازی ترافیک انبوه، رفتار گله‌ای ربات‌ها	بهینه‌سازی خط تولید، مدیریت انبار، جریان عابر پیاده
ویژگی‌های خاص	BehaviorSpace, NetLogoWeb, HubNet	ابزارهای قدرتمند رسم نمودار، یکپارچه‌سازی با GeoTools	موتور شبیه‌سازی بسیار سریع، قابلیت تکرارپذیری بالا	کتابخانه فرآیندهای صنعتی، انیمیشن سه‌بعدی پیشرفته

لیست جدیدترین به‌روزرسانی‌های NetLogo (تا نسخه 6.4.0)

تیم توسعه NetLogo به طور مداوم در حال بهبود و افزودن ویژگی‌های جدید به این پلتفرم است. آگاهی از آخرین تغییرات به شما کمک می‌کند تا از تمام پتانسیل این ابزار استفاده کنید. در ادامه به برخی از مهم‌ترین به‌روزرسانی‌ها در نسخه‌های اخیر (به خصوص نسخه 6.4.0) اشاره می‌کنیم:

• پشتیبانی از پلتفرم‌های جدید: NetLogo اکنون به طور رسمی از پردازنده‌های Apple Silicon (M1/M2) و همچنین ویندوز بر روی معماری ARM64 پشتیبانی می‌کند که منجر به عملکرد بهتر و پایدارتر روی این دستگاه‌ها می‌شود.
• بهبودهای زبان: دستورات جدیدی برای کار با رشته‌ها و لیست‌ها اضافه شده است که کدنویسی را ساده‌تر و قدرتمندتر می‌کند. همچنین برخی از رفتارهای ناسازگار در دستورات قدیمی اصلاح شده است.
• افزونه جدید کنترل‌کننده بازی: یک افزونه جدید به NetLogo اضافه شده که به شما اجازه می‌دهد مدل‌های خود را با استفاده از دسته‌های بازی (گیم‌پد) کنترل کنید. این ویژگی می‌تواند برای ساخت بازی‌های آموزشی و شبیه‌سازی‌های تعاملی بسیار جذاب باشد.
• به‌روزرسانی NetLogoWeb: نسخه وب NetLogo نیز بهبودهای قابل توجهی داشته است، از جمله پشتیبانی از مدل‌های بیشتر، سرعت بالاتر در اجرا و رفع مشکلات مربوط به رابط کاربری در مرورگرهای مختلف.
• رفع باگ‌ها و بهبود پایداری: مانند هر به‌روزرسانی نرم‌افزاری، تعداد زیادی از باگ‌های گزارش شده توسط کاربران رفع شده و پایداری کلی برنامه، به خصوص در شبیه‌سازی‌های طولانی‌مدت، افزایش یافته است.

برای مشاهده لیست کامل و دقیق تغییرات، همیشه می‌توانید به بخش “Release Notes” در وب‌سایت رسمی NetLogo مراجعه کنید.

نتیجه‌گیری: قدرت شبیه‌سازی در دستان شما

مدل‌سازی مبتنی بر عامل (ABM) دیگر یک ابزار پیچیده و دور از دسترس نیست که فقط در اختیار دانشمندان علوم کامپیوتر باشد. به لطف ابزارهایی مانند NetLogo، اکنون مدیران کسب‌وکار، کارآفرینان، تحلیلگران و دانشجویان نیز می‌توانند از قدرت شبیه‌سازی برای درک بهتر سیستم‌های پیچیده، تست ایده‌ها و تصمیم‌گیری‌های هوشمندانه بهره‌مند شوند. در این راهنمای جامع، ما مسیر را از چیستی ABM تا آموزش نصب و استفاده از Agent-based Models با NetLogo برای شما هموار کردیم.

شما یاد گرفتید که چگونه این ابزار قدرتمند و رایگان را نصب کنید، اولین مدل خود را اجرا کنید، با ساختار کد آن آشنا شوید و از قابلیت‌های کلیدی آن آگاه شوید. NetLogo با منحنی یادگیری ملایم و ماهیت بصری و تعاملی خود، نقطه شروعی ایده‌آل برای ورود به این دنیاست. از تحلیل رفتار مشتریان در یک استارتاپ جدید گرفته تا بهینه‌سازی زنجیره تأمین یک شرکت بزرگ، کاربردهای ABM بی‌پایان است. قدرت واقعی این رویکرد در توانایی آن برای آشکار ساختن نتایج غیرمنتظره‌ای است که از تعاملات ساده پدیدار می‌شوند؛ بینش‌هایی که دستیابی به آن‌ها از طریق تحلیل‌های سنتی تقریباً غیرممکن است. اکنون شما ابزار و دانش اولیه برای شروع این سفر هیجان‌انگیز را در اختیار دارید.

پرسش‌های متداول (FAQ)

۱. مدل‌سازی مبتنی بر عامل (ABM) دقیقاً چیست؟ ABM یک روش شبیه‌سازی کامپیوتری است که در آن یک سیستم از طریق شبیه‌سازی رفتار و تعاملات “عامل‌های” مستقل و خودمختار مدل‌سازی می‌شود. هدف، درک چگونگی ظهور الگوهای کلی سیستم از رفتارهای فردی است.

۲. آیا برای استفاده از NetLogo به دانش برنامه‌نویسی پیشرفته نیاز دارم؟ خیر. یکی از بزرگترین مزایای NetLogo، زبان برنامه‌نویسی ساده و نزدیک به زبان طبیعی آن است. این ابزار با فلسفه “آستانه ورودی پایین، سقف نامحدود” طراحی شده و برای مبتدیان بسیار مناسب است.

۳. آیا NetLogo کاملاً رایگان است؟ بله، NetLogo یک نرم‌افزار متن‌باز و کاملاً رایگان است و هیچ هزینه پنهان یا نسخه تجاری ندارد. این یک نمونه عالی از هوش مصنوعی رایگان برای اهداف آموزشی و تحقیقاتی است.

۴. تفاوت اصلی NetLogo با سایر ابزارهای ABM مانند AnyLogic چیست؟ تفاوت اصلی در هدف و مخاطب است. NetLogo برای آموزش و کاوش سریع ایده‌ها عالی است، در حالی که AnyLogic یک ابزار تجاری قدرتمند با قابلیت‌های مدل‌سازی چندروشی (ترکیب ABM با روش‌های دیگر) است که بیشتر در صنعت و برای بهینه‌سازی فرآیندهای پیچیده کسب‌وکار استفاده می‌شود و هزینه بالایی دارد.

۵. چگونه می‌توانم از ABM در کسب‌وکار خودم استفاده کنم؟ شما می‌توانید از ABM برای مدل‌سازی رفتار مشتریان، تحلیل استراتژی‌های قیمت‌گذاری، شبیه‌سازی زنجیره تأمین، پیش‌بینی نحوه پذیرش یک محصول جدید در بازار و ارزیابی تأثیر کمپین‌های بازاریابی استفاده کنید. این ابزار به شما کمک می‌کند تا ریسک تصمیمات خود را قبل از اجرا در دنیای واقعی کاهش دهید.

به دنبال نتایج بهتر در کسب‌وکار خود هستید؟ از متخصصان کمک بگیرید!

درک و پیاده‌سازی مدل‌های شبیه‌سازی می‌تواند کسب‌وکار شما را متحول کند، اما گاهی پیچیدگی‌های آن نیازمند نگاهی تخصصی است. اگر به دنبال استفاده از قدرت مدل‌سازی مبتنی بر عامل، هوش مصنوعی و دیجیتال مارکتینگ برای رشد کسب‌وکار خود هستید، تیم ما در هیجده (hijdah.ir) آماده کمک به شماست. ما با ارائه مشاوره کسب و کار آنلاین و تخصصی، به شما کمک می‌کنیم تا از داده‌ها و فناوری‌های نوین برای رسیدن به نتایج بهتر و تصمیم‌گیری‌های هوشمندانه‌تر استفاده کنید. همین امروز با ما تماس بگیرید و اولین قدم را برای هدایت کسب‌وکارتان به سمت موفقیت بردارید.

منابع (References)

• Wilensky, U. (1999). NetLogo. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL. Retrieved from http://ccl.northwestern.edu/netlogo/
• Abar, S., Theodoropoulos, G. K., Lemarinier, P., & O’Hare, G. M. (2017). Agent Based Modelling and Simulation tools: A review of the state-of-the-art software. Computer Science Review, 24, 13-33.
• Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modeling and simulation. Journal of Simulation, 4(3), 151-162.
• Gilbert, N. (2007). Agent-based models. (No. 153). Sage.
• Railsback, S. F., & Grimm, V. (2019). Agent-based and individual-based modeling: A practical introduction. Princeton university press.