رویکردهای ترکیبی شبیه سازی مسائل مدیریتی

هدف اصلی این مقاله ارائه رویکردهای مختلف شبیه سازی و ترکیب این روشها با یکدیگر در حل مسائل مدیریتی است. در مدل‌های عامل بنیان تعامل پیچیده بین عوامل (مصرف‌کنندگان، فروشندگان، توزیع‌کنندگان) به تصویر کشیده شده و انگیزه‌ها و اقدامات آنها ترکیب شده و منجر به الگوهای خرد و کلان شگفت‌انگیز می‌شود. عوامل توسط محققان به عنوان ویژگی ها و رفتارهای خاص، از جمله ارسال سیگنال به/دریافت سیگنال از عوامل دیگر، مشخص می شوند. از این رو، آنها انتخاب های خود را بر اساس اطلاعات و پیام هایی که در معرض آنها قرار می گیرند، یاد گرفته، تطبیق داده و اصلاح می کنند. مدل‌های پویایی شناسی سیستم، رفتار سیستم‌های پیچیده را در طول زمان توصیف می کنند. این رویکرد مدل‌سازی، تاخیرها، بازخوردها و پویایی‌های عدم تعادل را ثبت می‌کند. مدل های گسسته پیشامد نقش مهمی در مدل سازی حمل و نقل دارند و برای تجزیه و تحلیل ترجیحات و چگونگی تبدیل آنها به انتخاب های منطقی مصرف کنندگان استفاده می شوند با فرض این که مصرف کنندگان جایگزینی را با حداکثر سود یا مطلوبیت انتخاب می کنند. شبیه سازی ترکیبی شامل استفاده از چند پارادایم شبیه سازی است. بررسی ها نشان داده است که ترکیب روشهای شبیه سازی سطح بیشتری از جزئیات موضوع مطالعه را مورد بررسی قرار می دهد، از این رو می توان از آنها برای سناریوهای مختلف تصمیم سازی و تصمیم گیری بهره برد.

hybrid approaches to simulation of management problems

the main goal of this article is to present different simulation approaches and combine these methods with each other in solving management problems. in agent-based models, the complex interaction between agents (consumers, sellers, distributors) is depicted and their motivations and actions are combined and lead to amazing micro and macro patterns. agents are defined by researchers as specific characteristics and behaviors, including sending signals to/receiving signals from other agents. hence, they learn, adapt and modify their choices based on the information and messages they are exposed to. system dynamics models describe the behavior of complex systems over time. this modeling approach captures delays, feedbacks, and disequilibrium dynamics. discrete event models play an important role in transportation modeling and are used to analyze preferences and how to transform them into rational choices of consumers, assuming that consumers choose the alternative with maximum benefit or utility. hybrid simulation includes the use of several simulation paradigms. investigations have shown that the combination of simulation methods examines a higher level of details of the subject of study, hence they can be used for different decision-making and decision-making scenarios.