軟體元件電子市集突現：以代理人為基礎之計算經濟研究途徑 摘 要 軟體發展與演進過程中，產生軟體危機問題，而軟體再用是解決軟體危機的重要因應之道。軟體元件電子市集的興起是軟體演進史上一個重要里程碑，提供軟體再用的核心基礎建設。 本文探討軟體元件電子市集突現的本質原因和信任關係的發展過程，以遺傳規劃法(Genetic Programming, GP)為主的代理人基礎的計算經濟 (Agent-based Computational Economics, ACE) 研究途徑，整合軟體元件特性、交易成本、滿意和信任關係建立模擬模式。藉以觀察和分析底層買賣雙方連續滿意交易與信任關係發展，和上層軟體元件電子市集行為突現(emerge)動態過程。 結果顯示：在市場力量下，具標準化軟體元件，電子市集行為突現過程中，謹慎型交易策略將會勝出，進而主導整個市場。當元件功能特殊性程度低時，電子市集行為的購買率將比元件功能特殊性程度高者更為顯著。如果考慮交易態度滿意與否，記憶型滿意者市集行為的購買率將顯著低於高滿意型，而顯著高於低滿意型。若考慮不同信任程度函數，高信任型電子市集購買率顯著高於低信任型，低信任型其電子市集購買率顯著高於不信任型，對於目錄型市集行為和忠誠目錄型市集行為，上述信任函數的形態亦依序顯著影響購買率的高低。 同時，在不同信任型之間，高信任型大多數有連續累積交易行為；而低信任型則同時採用連續和臨時交易行為；不信任型大多數是臨時交易行為，要花費更多時間的演化，以建立彼此信任關係才會出現連續交易乃至於連續累積交易行為。 關鍵字：軟體元件電子市集、交易成本、遺傳規劃法、代理人基礎計算經濟、信任、突現 / The Emergence of Software Component Electronic Marketplaces: Through An Agent-based Computing Economics Approach Abstract Software reuse plays a vital role in response to software crises in software evolution. An emergence of software component e-marketplace is one of the great milestones providing a core infrastructure for software reuse. The objective of this study involving features of s/w components, transaction costs and satisfaction-trust relations intends to understand why s/w component e-marketplaces emerge as well as demonstrate how they do. The model allows agents to develop their trust in the market as a function of continuation of a satisfied relation through an agent-based computational economics approach with genetic programming. The findings show that the agents with prudent strategies tend to dominate the market in evolution of e-marketplaces under the market power. In addition, the lower level the functional particularity of component is, the higher the buying rate is. As the satisfaction attitude is taken into consideration, the buying rate of recall-satisfied agents lies between that of low-satisfied agents and that of high-satisfied agents. Moreover, when the comparisons are made among the three types of trust function, the buying rate of the high-trust agent is higher than that of low-trust agents. And the buying rate of the low-trust agent is bigger than that of not-trust agents. Similarly, the sequences of the buying rate are strongly influenced by different type of trust function at the catalog market and the loyal catalog market. Meanwhile, almost all high-trust agents have continuous and loyal trade behavior. Either continuous or temporal trade behavior is usually found in the low-trust agents. The tentative trade behavior is seen among almost every not-trust agents. In another words, it is well obvious that it takes more time for the not-trust agents to accumulate trust from their possible trade partners. Keywords: Software component electronic marketplaces; Transaction costs; Genetic programming (GP); Agent-based computational economics (ACE); Trust, Emergence

本研究為探討網路演化過程中的群聚現象，說明網路是否能夠藉由訊息傳遞的過程而浮現出族群分離的現象，為此我們架構了一個電腦模型，同時加入了突現行為（mutation）的考量，藉此來瞭解網路形成過程中的不理性行為是否有影響族群群聚的功效存在，探討在不同的突現發生機率下，網路演化過程中的群聚現象是否會隨著突現發生機率的不同而產生不同的結果。至於，在連結形成方面，我們設定連結如果要形成的話，必須要雙方玩家都願意採取相同的投資動作才能成立，連結必須要雙方玩家都相互協調的情況下才能建立，所以玩家每期都會先選擇要進行的投資策略，其次才依照雙方所選擇的投資動作來決定連結是否建立，並不像以往的文獻中所述，完全依照玩家是否有連結誘因存在來決定連結是否建立，在本研究中玩家是依照雙方所選擇的投資動作來決定連結是否形成。 在此研究中，我們以富人和窮人的投資合作過程為故事背景，假定玩家都有兩種投資策略可以選擇，玩家會從中擇一採用，當雙方玩家協商之後，如果雙方都願意採取相同的投資動作的話，則連結就會建立。設定富人選擇投資策略的自由度較高，而窮人選擇投資策略的自由度較低，因此當玩家開始去尋找適合的合作伙伴時，窮人所受的限制較多，而富人所受的限制較少，但是為了避免設定了太強的假設，所以本研究盡量使用較為薄弱的假設，盡可能使窮人與富人之間的差異性不大且符合現實。在這種行為模式的設定下，我們利用兩個群聚比例來計算每期所形成的同性質連結數目，藉由這兩個群聚比例的變化來探究網路形成過程中的群聚分離狀況，因此我們利用了一個較為間接的方式來瞭解所要討論的議題。 本研究透過演算模擬得到幾個結論：（1）平均群聚比例會隨著突現發生機率趨於0而不斷提升，代表網路隨著突現發生機率的下滑，族群分離的程度會隨之趨於明顯。（2）當突現發生機率很低時，平均群聚比例會隨著玩家每期能夠建立的最大連結數目增加而下滑，網路內的族群分離現象逐漸不明顯。但是當突現發生機率很高時，卻會維持在平均的水準。（3）當玩家的人數增多時，突現的發生對群聚比例會有提升的效果存在，不管最大連結數目為何都會有如此的結果。（4）如果市場上處於一個貧富人數不均的環境下，則隨著網路的演化最後所計算出來的族群現象就會越明顯，富人自然會和富人相連，而窮人自然會和窮人相連，群聚現象是自然演變出來的。（5）若搜尋時採隨機模式，則平均群聚比例在突現發生機率很高時會較一般模式差，而在突現發生機率很低時則與一般模式差異不大。（6）若突現僅限於連結的斷裂，且窮人的動作選擇僅限於投資策略二，則平均群聚比例則會趨近於一。

我們把經濟體視為一個複雜適應系統(complex adaptive system), 強調系統中異質性(heterogeneous)agent的學習適應行為與agent之間的互動性交互作用, 此時主流經濟學裡的分析架構, 如:代表性個人模型(represesentive agent model)、理性預期(rational expectation)、固定點均衡分析(fixed-point equilibrium analysis)等將不再適用, 取而代之的是演化經濟學(evolutionary economics)的研究典範, 這樣的研究架構下, 並沒有適當的數學分析工具可資運用, 因此我們改以agent-based建模(agent-based modelng)的社會模擬(social simulation)來建構一個人工的經濟體(artificial economy), 以此為主要研究方法, 這就是agent-based計算經濟學(agent-based computational economics)或稱人工經濟生命(artificial economic life)。 本文中以股票市場為主要的研究課題, 我們以遺傳規劃(genetic programming)的人工智慧(artificial intelligence)方法來模擬股市中有限理性(bounded rational)異質交易者的交易策略學習行為, 建構出一個人工股票市場(artificial stock market), 在這樣的架構下, 我們成功地產生出類似真實股票市場的股價時間序列特性, 我們同時也檢定了人工股票市場中價量的因果關係, 說明了在沒有外生因素之下, 人工股票市場的複雜系統可自發地產生出雙向的價量因果關係, 進一步地, 我們研究下層agent(交易者)行為與上層股價時間序列行為的關聯性, 我們也發現個體的行為並不能直接加總或推論出複雜適應系統的總體行為, 這就是突現性質(emergent property)的發生, 最後, 本文描述了agent-based計算經濟學研究架構的優勢與缺點, 再附帶介紹一個用以進行agent-based建模相關研究的軟體程式庫-SWARM。