کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5102525 1480085 2017 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The mechanisms of labor division from the perspective of individual optimization
ترجمه فارسی عنوان
مکانیسم تقسیم کار از دیدگاه بهینه سازی فردی
کلمات کلیدی
تقسیم کار، سیستم های چندگانه، یاد گرفتن به کمک انجام دادن، معادله استاد
ترجمه چکیده
اگر چه ابزار تحقیق پیچیدگی به پدیده تقسیم کار تقسیم شده است، مکانیزمهای پایه آن هنوز مشخص نیست. محققان از مدل های تکاملی برای مطالعه تقسیم کار در شرایط بهینه سازی جهانی استفاده کرده اند، اما تمرکز بر بهینه سازی فرد یک رویکرد واقعی تر و واقعی تر است. ما این کار را ابتدا با ایجاد یک مدل چند عامل انجام می دهیم که به اشتراک گذاری اطلاعات و یادگیری توسط کار و با استفاده از شبیه سازی ها برای نشان دادن ظهور تقسیم کار می پردازد. سپس از روش معادلات استاد استفاده می کنیم و نتیجه می گیریم که نتایج محاسباتی با نتایج شبیه سازی سازگار است. در نهایت می بینیم که مکانیزم های اصلی هسته ای که باعث تقسیم کار می شوند، یادگیری با کار، هزینه اطلاعات و نوسانات تصادفی است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Although the tools of complexity research have been applied to the phenomenon of labor division, its underlying mechanisms are still unclear. Researchers have used evolutionary models to study labor division in terms of global optimization, but focusing on individual optimization is a more realistic, real-world approach. We do this by first developing a multi-agent model that takes into account information-sharing and learning-by-doing and by using simulations to demonstrate the emergence of labor division. We then use a master equation method and find that the computational results are consistent with the results of the simulation. Finally we find that the core underlying mechanisms that cause labor division are learning-by-doing, information cost, and random fluctuation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 488, 15 December 2017, Pages 112-120
نویسندگان
, , , , , ,