ارزیابی ابزارهای مدل سازی و شبیه سازی مبتنی بر عامل بر اساس استاندارد ایزو ۲۵۰۱۰
Publish place: Modern Research in Decision Making، Vol: 7، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 71
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-7-1_003
تاریخ نمایه سازی: 24 آذر 1402
Abstract:
با توجه به نقش کلیدی و اهمیت استفاده از ابزارهای مدل سازی و شبیه سازی مبتنی بر عامل در کاربردهای مختلف، مانند مدیریت و برنامه ریزی شهری، شبکه های اجتماعی، بازارهای مالی، جریان های ترافیکی و مدیریت بحران، ارزیابی و مقایسه کمی این ابزارها بر اساس یک چارچوب استاندارد خوش تعریف، ارزشمند است. تاکنون پژوهش های متعددی به بررسی و مقایسه ی ابزارهای مدل سازی و شبیه سازی مبتنی بر عامل از جنبه های مختلف پرداخته اند. با این وجود، هیچ یک از این بررسی ها بر اساس یک چارچوب استاندارد خوش تعریف و به صورت کمی (عددی) انجام نشده است. به منظور پر کردن این شکاف تحقیقاتی، در این مقاله پنج مورد از پرکاربردترین ابزارهای مدل سازی و شبیه سازی مبتنی بر عامل شامل AnyLogic، NetLogo، Repast، GAMA و MASON، بر اساس استاندارد شناخته شده ی ایزو ۲۵۰۱۰ در خصوص سنجش کیفیت نرم افزار در عمل و به روش هدف-پرسش- معیار با یکدیگر مقایسه و مورد ارزیابی قرار گرفته اند. نتایج ارزیابی نشان می دهد که ابزار AnyLogic در مقایسه با دیگران، از کیفیت بهتری برخوردار است و این موضوع، بیش تر به جذابیت ابزار از دیدگاه کاربر و تلاش کمتر برای توسعه ی یک برنامه ی مبتنی بر عامل در مقایسه با سایر ابزارها، باز می گردد.
Keywords:
ابزارهای شبیه سازی مبتنی بر عامل , استاندارد ایزو ۲۵۰۱۰ , مدل سازی عامل گرا , کیفیت نرم افزار در عمل
Authors
سمانه حسین دوست
دانشجوی دکتری، گروه پژوهشی مهندسی نرم افزار مدل رانده، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران
بهمن زمانی
دانشیار، گروه پژوهشی مهندسی نرم افزار مدل رانده، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران
افسانه فاطمی
استادیار، گروه پژوهشی مهندسی نرم افزار مدل رانده، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :