Agentenbasierte marktliche Koordination von Wertschöpfungsnetzwerken

Abstract

Diese Arbeit stellt die Multiagenten-Supply-Chain-Simulationsumgebung MACSIMA vor, die das Design und die Simulation von großen Wertschöpfungsnetzwerken ermöglicht, die aus einer Vielzahl an autonomen Geschäftsagenten bestehen. MACSIMA stattet die Agenten, die miteinander über einen elektronischen Markt interagieren, mit einem adaptiven Verhandlungsmodul für bilaterale Verhandlungen aus, das mittels evolutionärer Algorithmen realisierte Lernfähigkeiten aufweist. Dadurch können Agenten ihre Verhandlungsstrategien an unterschiedliche Verhandlungspartner und sich dynamisch ändernde Marktbedingungen adaptieren. MACSIMA erlaubt es, die Lernfähigkeiten der Agenten sowie ihre Möglichkeiten zum Austausch und zur Nutzung von Informationen detailliert einzustellen und das sich daraus ergebende Systemverhalten zu simulieren und zu evaluieren. MACSIMA erweitert bekannte Ansätze um neue Konzepte, Methoden und Einstellmöglichkeiten. Simulationsergebnisse werden auf einer Makro-, Meso- und Mikroebene gemessen, mit Hilfe einer Evaluationsmethodik aufbereitet und schließlich im Hinblick auf die Systemperformanz und die Co-Evolution von Verhandlungsstrategien quantitativ und qualitativ analysiert. Die Evaluationsergebnisse zeigen, dass das Ergebnis der Selbstkoordination der Agenten stark von ihren Lern- und Informationsaustausch-Einstellungen abhängt und die Systemperformanz durch die Erweiterungen, die MACSIMA bereitstellt, im Vergleich zu bisherigen Ansätzen deutlich gesteigert werden kann.

This work presents the multiagent supply chain simulation framework MACSIMA that allows the design of large-scale supply networks consisting of a multitude of autonomous business agents. MACSIMA equips all the agents interacting with each other via an electronic marketplace with an adaptive negotiation module for bilateral negotiations. This module provides the agents with learning capabilities realised by evolutionary algorithms. Thereby the agents can adapt their negotiation strategies to varying negotiation partners and dynamically changing market conditions. MACSIMA features the in-depth adjustment of the agents capabilities for learning as well as the exchange and use of information. The resulting system behaviour can be simulated and evaluated. MACSIMA extends previous approaches by adding new concepts, methods and adjustment possibilities. Simulation outcomes are measured on a macro-, meso-, and micro-level, refined by an evaluation methodology, and finally analysed quantitatively and qualitatively with regard to the over-all system performance and the co-evolution of negotiation strategies. The evaluation re-sults show that the outcome of the agents self-coordination depends strongly on the set-tings for their learning and information exchange capabilities. In comparison to previous approaches the overall system performance can be increased significantly by the extensions provided by MACSIMA.