Hispanopedia Wiki
Articulo de referencia

Modelo basado en agentes

Un modelo basado en agentes ( ABM ) es un modelo computacional para simular las acciones e interacciones de un agente autónomo (ya sean entidades individuales o colectivas como ...

Hispanopedia WikiContenido en espanolLectura gratuita

Un modelo basado en agentes ( ABM ) es un modelo computacional para simular las acciones e interacciones de un agente autónomo (ya sean entidades individuales o colectivas como organizaciones o grupos) para comprender el comportamiento de un sistema y lo que rige sus resultados. Combina elementos de la teoría de juegos , sistemas complejos , emergencia , sociología computacional , sistemas multiagente y programación evolutiva . Se utilizan métodos de Monte Carlo para comprender la estocasticidad de estos modelos. Particularmente dentro de la ecología , un ABM también se denomina modelo basado en individuos ( IBM ). [ 1 ] Una revisión de la literatura sobre modelos basados ​​en individuos, modelos basados ​​en agentes y sistemas multiagente muestra que los ABM se utilizan en muchos dominios científicos, incluyendo biología , ecología y ciencias sociales . [ 2 ] El modelado basado en agentes está relacionado con, pero es distinto del concepto de sistema multiagente . [ 2 ]

Un modelo basado en agentes es un tipo de modelo a microescala [ 3 ] que simula las operaciones e interacciones simultáneas de múltiples agentes con el fin de recrear y predecir la aparición de fenómenos complejos. El proceso es de emergencia, que algunos expresan como "el todo es mayor que la suma de sus partes". En otras palabras, las propiedades de sistemas de nivel superior emergen de las interacciones de subsistemas de nivel inferior. O bien, los cambios de estado a macroescala emergen de los comportamientos de los agentes a microescala. O bien, los comportamientos simples (es decir, las reglas seguidas por los agentes) generan comportamientos complejos (es decir, cambios de estado a nivel de todo el sistema).

Un agente individual se caracteriza típicamente por una racionalidad limitada , y se presume que actúa en función de lo que percibe como sus propios intereses, como la reproducción, el beneficio económico o el estatus social, [ 4 ] utilizando heurísticas o reglas simples de toma de decisiones. Un agente ABM puede experimentar "aprendizaje", adaptación y reproducción. [ 5 ]

Un modelo basado en agentes (ABM) suele estar compuesto por (1) numerosos agentes especificados a diferentes escalas (lo que se conoce como granularidad del agente), (2) heurísticas de toma de decisiones, (3) reglas de aprendizaje o procesos adaptativos, (4) una topología de interacción y (5) un entorno. Un ABM se implementa normalmente como una simulación por ordenador , ya sea mediante software personalizado o utilizando un conjunto de herramientas para ABM. Este software se puede utilizar para probar cómo los cambios en el comportamiento individual afectan al comportamiento general del sistema.

Historia

La idea del modelado basado en agentes se desarrolló como un concepto relativamente simple a finales de la década de 1940. Dado que requiere procedimientos computacionalmente intensivos, no se generalizó hasta la década de 1990.

Primeros desarrollos

La historia del modelo basado en agentes se remonta a la máquina de Von Neumann , una máquina teórica capaz de reproducirse. El dispositivo propuesto por Von Neumann seguiría instrucciones detalladas con precisión para crear una copia de sí mismo. El concepto fue desarrollado posteriormente por Stanislaw Ulam , amigo de Von Neumann y también matemático; Ulam sugirió que la máquina se construyera en papel, como una colección de celdas en una cuadrícula. La idea intrigó a Von Neumann, quien la dibujó, creando así el primero de los dispositivos que más tarde se denominarían autómatas celulares . [ 6 ]

El artículo de Oliver Selfridge de 1958, «Pandemonium: Un paradigma para el aprendizaje», fue una importante contribución teórica temprana al establecimiento de la arquitectura orientada a agentes, aunque utilizó el término metafórico «demonio» en lugar de «agente». El modelo de actor de Carl Hewitt de 1973 contenía uno de los primeros usos de los agentes como entidades activas en lugar de estructuras pasivas. [ 7 ]

El juego de la vida de Conway

Otro avance fue introducido por el matemático John Conway . Él construyó el conocido Juego de la Vida . A diferencia de la máquina de von Neumann, el Juego de la Vida funcionaba con reglas simples en un mundo virtual con forma de tablero de ajedrez bidimensional .

El lenguaje de programación Simula , desarrollado a mediados de la década de 1960 y ampliamente implementado a principios de la década de 1970, fue el primer marco para automatizar simulaciones de agentes paso a paso.

Décadas de 1970 y 1980: los primeros modelos

Uno de los primeros modelos basados ​​en agentes en concepto fue el modelo de segregación de Thomas Schelling , [ 8 ] que se discutió en su artículo "Modelos dinámicos de segregación" en 1971. Aunque Schelling originalmente usó monedas y papel cuadriculado en lugar de computadoras, sus modelos encarnaron el concepto básico de los modelos basados ​​en agentes como agentes autónomos que interactúan en un entorno compartido con un resultado agregado y emergente observado.

A finales de la década de 1970, Paulien Hogeweg y Bruce Hesper comenzaron a experimentar con modelos individuales de ecología . Uno de sus primeros resultados fue demostrar que la estructura social de las colonias de abejorros surgió como resultado de reglas simples que rigen el comportamiento de las abejas individuales. [ 9 ] Introdujeron el principio ToDo, que se refiere a la forma en que los agentes "hacen lo que hay que hacer" en un momento dado.

A principios de la década de 1980, Robert Axelrod organizó un torneo de estrategias del Dilema del Prisionero y las hizo interactuar mediante un modelo basado en agentes para determinar un ganador. Axelrod desarrollaría posteriormente muchos otros modelos basados ​​en agentes en el campo de la ciencia política que examinan fenómenos que van desde el etnocentrismo hasta la difusión de la cultura. [ 10 ]

modelo de comportamiento de bandada

A finales de la década de 1980, el trabajo de Craig Reynolds sobre modelos de comportamiento de bandada contribuyó al desarrollo de algunos de los primeros modelos basados ​​en agentes biológicos que incorporaban características sociales. Intentó modelar la realidad de agentes biológicos dinámicos, conocidos como vida artificial , término acuñado por Christopher Langton .

Al mismo tiempo, durante la década de 1980, científicos sociales, matemáticos, investigadores de operaciones y un grupo disperso de personas de otras disciplinas desarrollaron la Teoría de la Organización Computacional y Matemática (CMOT). Este campo creció como un grupo de interés especial del Instituto de Ciencias de la Gestión (TIMS) y su sociedad hermana, la Sociedad de Investigación Operativa de América (ORSA). [ 11 ]

Década de 1990: expansión

La década de 1990 fue especialmente notable por la expansión de la modelización basada en agentes (ABM) dentro de las ciencias sociales. Un esfuerzo notable fue la ABM a gran escala Sugarscape , desarrollada por Joshua M. Epstein y Robert Axtell para simular y explorar el papel de fenómenos sociales como las migraciones estacionales, la contaminación, la reproducción sexual, el combate, la transmisión de enfermedades e incluso la cultura. [ 12 ] Otros desarrollos notables de la década de 1990 incluyeron la ABM Kathleen Carley de la Universidad Carnegie Mellon , [ 13 ] para explorar la coevolución de las redes sociales y la cultura. El Instituto Santa Fe (SFI) fue importante para fomentar el desarrollo de la plataforma de modelización ABM Swarm bajo el liderazgo de Christopher Langton . La investigación realizada a través del SFI permitió la expansión de las técnicas ABM a varios campos, incluido el estudio de la dinámica social y espacial de sociedades humanas a pequeña escala y primates. [ 11 ] Durante la década de 1990, Nigel Gilbert publicó el primer libro de texto sobre simulación social: Simulation for the social scientist (1999) y fundó una revista desde la perspectiva de las ciencias sociales: Journal of Artificial Societies and Social Simulation (JASSS). Además de JASSS, los modelos basados ​​en agentes de cualquier disciplina están incluidos en el ámbito de la revista SpringerOpen Complex Adaptive Systems Modeling (CASM). [ 14 ]

A mediados de la década de 1990, la vertiente de las ciencias sociales de la modelización basada en agentes (ABM) comenzó a centrarse en cuestiones como el diseño de equipos eficaces, la comprensión de la comunicación necesaria para la eficacia organizacional y el comportamiento de las redes sociales. CMOT —más tarde renombrada como Análisis Computacional de Sistemas Sociales y Organizacionales (CASOS)— incorporó cada vez más modelos basados ​​en agentes. Samuelson (2000) ofrece una buena visión general de su historia temprana, [ 15 ] y Samuelson (2005) y Samuelson y Macal (2006) describen los desarrollos más recientes. [ 16 ] [ 17 ]

A finales de la década de 1990, la fusión de TIMS y ORSA para formar INFORMS , y la reducción de la frecuencia de estas reuniones de dos a una anual, impulsaron al grupo CMOT a crear una sociedad independiente: la Asociación Norteamericana de Ciencias Sociales y Organizacionales Computacionales (NAACSOS). Kathleen Carley fue una figura clave, especialmente en el desarrollo de modelos de redes sociales, consiguiendo financiación de la Fundación Nacional de Ciencias para la conferencia anual y siendo la primera presidenta de NAACSOS. Le sucedieron David Sallach, de la Universidad de Chicago y el Laboratorio Nacional Argonne , y posteriormente Michael Prietula, de la Universidad de Emory . Casi al mismo tiempo que se fundó NAACSOS, se organizaron la Asociación Europea de Simulación Social (ESSA) y la Asociación Asiática del Pacífico para el Enfoque Basado en Agentes en la Ciencia de los Sistemas Sociales (PAAA), contrapartes de NAACSOS. En 2013, estas tres organizaciones colaboraban internacionalmente. El Primer Congreso Mundial sobre Simulación Social se celebró bajo su patrocinio conjunto en Kioto, Japón, en agosto de 2006. El Segundo Congreso Mundial se celebró en los suburbios del norte de Virginia, cerca de Washington, D.C., en julio de 2008, con la Universidad George Mason desempeñando un papel principal en la organización local.

década de 2000

Más recientemente, Ron Sun desarrolló métodos para basar la simulación basada en agentes en modelos de cognición humana, conocidos como simulación social cognitiva . [ 18 ] Bill McKelvey, Suzanne Lohmann, Dario Nardi, Dwight Read y otros en UCLA también han hecho contribuciones significativas en el comportamiento organizacional y la toma de decisiones. Desde 1991, UCLA ha organizado una conferencia en Lake Arrowhead, California, que se ha convertido en otro importante punto de encuentro para profesionales en este campo. [ 19 ]

2020 y posteriores

Tras la aparición de los grandes modelos de lenguaje , los investigadores comenzaron a aplicar modelos de lenguaje interactivos al modelado basado en agentes. En un artículo ampliamente citado, los modelos de lenguaje con agentes interactuaron en un entorno de prueba para realizar actividades como planificar fiestas de cumpleaños y celebrar elecciones. [ 20 ]

Teoría

La mayoría de las investigaciones en modelado computacional describen sistemas en equilibrio o en transición entre equilibrios. Sin embargo, el modelado basado en agentes, mediante reglas sencillas, puede generar comportamientos complejos e interesantes. Los tres conceptos centrales de los modelos basados ​​en agentes son los agentes como objetos, la emergencia y la complejidad .

Los modelos basados ​​en agentes consisten en agentes que interactúan dinámicamente y se rigen por reglas. Los sistemas en los que interactúan pueden generar una complejidad similar a la del mundo real. Normalmente, los agentes se sitúan en el espacio y el tiempo y residen en redes o en vecindarios reticulares. La ubicación de los agentes y su comportamiento se codifican en forma algorítmica en programas informáticos. En algunos casos, aunque no siempre, los agentes pueden considerarse inteligentes y con un propósito definido. En los modelos basados ​​en agentes ecológicos (a menudo denominados "modelos basados ​​en individuos" en ecología), los agentes pueden ser, por ejemplo, árboles en un bosque y no se considerarían inteligentes, aunque sí podrían tener un propósito definido en el sentido de optimizar el acceso a un recurso (como el agua). El proceso de modelado se describe mejor como inductivo . El modelador realiza las suposiciones que considera más relevantes para la situación en cuestión y luego observa cómo emergen los fenómenos a partir de las interacciones de los agentes. A veces, el resultado es un equilibrio. A veces es un patrón emergente. Sin embargo, a veces es una maraña ininteligible.

En cierto modo, los modelos basados ​​en agentes complementan los métodos analíticos tradicionales. Mientras que los métodos analíticos permiten a los humanos caracterizar los equilibrios de un sistema, los modelos basados ​​en agentes ofrecen la posibilidad de generarlos. Esta contribución generativa podría ser el beneficio más común de la modelización basada en agentes. Estos modelos pueden explicar la aparición de patrones de orden superior: estructuras de red de organizaciones terroristas e internet, distribuciones de ley de potencias en la magnitud de atascos de tráfico, guerras y caídas bursátiles, y la segregación social que persiste a pesar de la existencia de poblaciones tolerantes. Los modelos basados ​​en agentes también pueden utilizarse para identificar puntos de inflexión, definidos como momentos en los que las intervenciones tienen consecuencias extremas, y para distinguir entre diferentes tipos de dependencia de la trayectoria.

En lugar de centrarse en estados estables, muchos modelos consideran la robustez del sistema: cómo los sistemas complejos se adaptan a las presiones internas y externas para mantener su funcionalidad. La tarea de gestionar esa complejidad requiere considerar a los propios agentes: su diversidad, interconexión y nivel de interacciones.

Estructura

Trabajos recientes sobre el modelado y la simulación de sistemas adaptativos complejos han demostrado la necesidad de combinar modelos basados ​​en agentes y modelos basados ​​en redes complejas . [ 21 ] [ 22 ] [ 23 ] describen un marco que consta de cuatro niveles de desarrollo de modelos de sistemas adaptativos complejos descritos mediante varios estudios de caso multidisciplinarios de ejemplo:

  1. Nivel de modelado de redes complejas para el desarrollo de modelos utilizando datos de interacción de varios componentes del sistema.
  2. Nivel de modelado exploratorio basado en agentes para desarrollar modelos basados ​​en agentes que evalúen la viabilidad de futuras investigaciones. Esto puede ser útil, por ejemplo, para desarrollar modelos de prueba de concepto, como los utilizados en solicitudes de financiación, sin requerir una curva de aprendizaje extensa para los investigadores.
  3. El modelado descriptivo basado en agentes (DREAM) permite desarrollar descripciones de modelos basados ​​en agentes mediante el uso de plantillas y modelos complejos basados ​​en redes. La creación de modelos DREAM posibilita la comparación de modelos entre diferentes disciplinas científicas.
  4. Modelado basado en agentes validado mediante el sistema multiagente de superposición virtual (VOMAS) para el desarrollo de modelos verificados y validados de manera formal.

Otros métodos para describir modelos basados ​​en agentes incluyen plantillas de código [ 24 ] y métodos basados ​​en texto como el protocolo ODD (Descripción general, conceptos de diseño y detalles de diseño). [ 25 ]

El papel del entorno en el que viven los agentes, tanto a nivel macro como micro, [ 26 ] también se está convirtiendo en un factor importante en el trabajo de modelado y simulación basado en agentes. Un entorno simple da lugar a agentes simples, pero los entornos complejos generan diversidad de comportamiento. [ 27 ]

Modelado multiescala

Una de las ventajas del modelado basado en agentes es su capacidad para mediar el flujo de información entre escalas. Cuando se necesitan detalles adicionales sobre un agente, un investigador puede integrarlos con modelos que describan dichos detalles. Si se está interesado en los comportamientos emergentes que muestra la población de agentes, se puede combinar el modelo basado en agentes con un modelo continuo que describa la dinámica poblacional. Por ejemplo, en un estudio sobre las células T CD4+ (un tipo celular clave en el sistema inmunitario adaptativo), [ 28 ] los investigadores modelaron fenómenos biológicos que ocurren en diferentes escalas espaciales (intracelular, celular y sistémica), temporales y organizativas (transducción de señales, regulación génica, metabolismo, comportamientos celulares y transporte de citocinas). En el modelo modular resultante, la transducción de señales y la regulación génica se describen mediante un modelo lógico, el metabolismo mediante modelos basados ​​en restricciones, la dinámica de la población celular mediante un modelo basado en agentes y las concentraciones sistémicas de citocinas mediante ecuaciones diferenciales ordinarias. En este modelo multiescala, el modelo basado en agentes ocupa un lugar central y coordina todo el flujo de información entre escalas.

Aplicaciones

En biología

El modelado basado en agentes se ha utilizado ampliamente en biología, incluyendo el análisis de la propagación de epidemias , [ 29 ] y la amenaza de la guerra biológica , aplicaciones biológicas que incluyen dinámica de poblaciones , [ 30 ] expresión génica estocástica, [ 31 ] interacciones planta-animal, [ 32 ] ecología de la vegetación, [ 33 ] ecología migratoria, [ 34 ] evaluaciones de impacto , [ 35 ] diversidad del paisaje, [ 36 ] sociobiología , [ 37 ] el crecimiento y declive de civilizaciones antiguas, evolución del comportamiento etnocéntrico, [ 38 ] desplazamiento/migración forzada, [ 39 ] dinámica de elección de lenguaje, [ 40 ] modelado cognitivo y aplicaciones biomédicas que incluyen el modelado de la formación/morfogénesis de tejido mamario 3D, [ 41 ] los efectos de la radiación ionizante en la dinámica de subpoblaciones de células madre mamarias, [ 42 ] inflamación, [ 43 ] [ 44 ] y el ser humano sistema inmunitario , [ 45 ] y la evolución de los comportamientos de búsqueda de alimento. [ 46 ] Los modelos basados ​​en agentes también se han utilizado para desarrollar sistemas de apoyo a la toma de decisiones, como para el cáncer de mama. [ 47 ] Los modelos basados ​​en agentes se utilizan cada vez más para modelar sistemas farmacológicos en la etapa temprana y la investigación preclínica para ayudar en el desarrollo de fármacos y obtener información sobre sistemas biológicos que no sería posible a priori . [ 48 ] También se han evaluado aplicaciones militares. [ 49 ] Además, los modelos basados ​​en agentes se han empleado recientemente para estudiar sistemas biológicos a nivel molecular. [ 50 ] [ 51 ] [ 52 ] También se han escrito modelos basados ​​en agentes para describir procesos ecológicos en funcionamiento en sistemas antiguos, como los de los entornos de dinosaurios y sistemas antiguos más recientes. [ 53 ] [54 ] [ 55 ]

En epidemiología

Los modelos basados ​​en agentes ahora complementan los modelos compartimentales tradicionales , el tipo habitual de modelos epidemiológicos. Se ha demostrado que los ABM son superiores a los modelos compartimentales en cuanto a la precisión de las predicciones. [ 56 ] [ 57 ] Recientemente, se han utilizado ABM como CovidSim del epidemiólogo Neil Ferguson para fundamentar intervenciones de salud pública (no farmacológicas) contra la propagación del SARS-CoV-2 . [ 58 ] Los ABM epidemiológicos han sido criticados por simplificar y por supuestos poco realistas. [ 59 ] [ 60 ] Aun así, pueden ser útiles para fundamentar decisiones sobre medidas de mitigación y supresión en los casos en que los ABM estén calibrados con precisión. [ 61 ] Los ABM para dichas simulaciones se basan principalmente en poblaciones sintéticas , ya que los datos de la población real no siempre están disponibles. [ 62 ]

En teoría empresarial, tecnológica y de redes

Los modelos basados ​​en agentes se han utilizado desde mediados de la década de 1990 para resolver diversos problemas empresariales y tecnológicos. Algunos ejemplos de aplicaciones incluyen marketing , [ 70 ] comportamiento organizacional y cognición , [ 71 ] trabajo en equipo , [ 72 ] [ 73 ] optimización de la cadena de suministro y logística, modelado del comportamiento del consumidor , incluyendo el boca a boca , efectos de redes sociales , computación distribuida , gestión de la fuerza laboral y gestión de carteras . También se han utilizado para analizar la congestión del tráfico . [ 74 ]

Recientemente, el modelado y la simulación basados ​​en agentes se han aplicado a diversos dominios, como el estudio del impacto de los lugares de publicación por parte de investigadores en el campo de la informática (revistas frente a conferencias). [ 75 ] Además, los ABM se han utilizado para simular la entrega de información en entornos asistidos ambientalmente. [ 76 ] Un artículo de noviembre de 2016 en arXiv analizó una simulación basada en agentes de publicaciones difundidas en Facebook . [ 77 ] En el dominio de las redes peer-to-peer, ad hoc y otras redes autoorganizadas y complejas, se ha demostrado la utilidad del modelado y la simulación basados ​​en agentes. [ 78 ] Recientemente se ha demostrado el uso de un marco de especificación formal basado en la informática junto con redes de sensores inalámbricos y una simulación basada en agentes. [ 79 ]

La búsqueda o algoritmo evolutivo basado en agentes es un nuevo tema de investigación para resolver problemas de optimización complejos. [ 80 ]

En la ciencia de equipo

En el ámbito de la ciencia de equipos, el modelado basado en agentes se ha utilizado para evaluar los efectos de las características y los sesgos de los miembros del equipo en el desempeño del equipo en diversos contextos. [ 81 ] Al simular las interacciones entre agentes —cada uno representando a miembros individuales del equipo con rasgos y sesgos distintos—, este enfoque de modelado permite a los investigadores explorar cómo estos factores influyen colectivamente en la dinámica y los resultados del desempeño del equipo. En consecuencia, el modelado basado en agentes proporciona una comprensión matizada de la ciencia de equipos, facilitando una exploración más profunda de las sutilezas y variabilidades inherentes a las colaboraciones basadas en equipos.

En economía y ciencias sociales

Antes y durante la crisis financiera de 2008 , creció el interés en los ABM como posibles herramientas para el análisis económico. [ 82 ] [ 83 ] Los ABM no asumen que la economía pueda alcanzar el equilibrio y los " agentes representativos " son reemplazados por agentes con comportamiento diverso, dinámico e interdependiente, incluyendo el comportamiento gregario . Los ABM adoptan un enfoque "de abajo hacia arriba" y pueden generar economías simuladas extremadamente complejas y volátiles. Los ABM pueden representar sistemas inestables con caídas y auges que se desarrollan a partir de respuestas no lineales (desproporcionadas) a cambios proporcionalmente pequeños. [ 84 ] Un artículo de julio de 2010 en The Economist examinó los ABM como alternativas a los modelos DSGE . [ 84 ] La revista Nature también alentó el modelado basado en agentes con un editorial que sugería que los ABM pueden hacer un mejor trabajo al representar los mercados financieros y otras complejidades económicas que los modelos estándar [ 85 ] junto con un ensayo de J. Doyne Farmer y Duncan Foley que argumentaba que los ABM podrían satisfacer tanto los deseos de Keynes de representar una economía compleja como los de Robert Lucas de construir modelos basados ​​en microfundamentos. [ 86 ] Farmer y Foley señalaron el progreso que se ha hecho utilizando ABM para modelar partes de una economía, pero abogaron por la creación de un modelo muy grande que incorpore modelos de bajo nivel. [ 87 ] Al modelar un sistema complejo de analistas basado en tres perfiles de comportamiento distintos —imitación, antiimitación e indiferencia— se simularon los mercados financieros con alta precisión. Los resultados mostraron una correlación entre la morfología de la red y el índice del mercado de valores. [ 88 ] Sin embargo, el enfoque ABM ha sido criticado por su falta de robustez entre modelos, donde modelos similares pueden producir resultados muy diferentes. [ 89 ] [ 90 ]

Los ABM se han implementado en arquitectura y planificación urbana para evaluar el diseño y simular el flujo peatonal en el entorno urbano [ 91 ] y el examen de las aplicaciones de políticas públicas al uso del suelo. [ 92 ] También existe un campo creciente de análisis socioeconómico del impacto de la inversión en infraestructura utilizando la capacidad de los ABM para discernir impactos sistémicos en una red socioeconómica. [ 93 ] La heterogeneidad y la dinámica se pueden incorporar fácilmente en los modelos ABM para abordar la desigualdad de riqueza y la movilidad social. [ 94 ]

Los ABM también se han propuesto como herramientas educativas aplicadas para diplomáticos en el campo de las relaciones internacionales [ 95 ] y para responsables políticos nacionales e internacionales para mejorar su evaluación de las políticas públicas . [ 96 ]

En la gestión del agua

Los ABM también se han aplicado en la planificación y gestión de recursos hídricos, particularmente para explorar, simular y predecir el desempeño del diseño de infraestructura y las decisiones políticas, [ 97 ] y en evaluar el valor de la cooperación y el intercambio de información en grandes sistemas de recursos hídricos. [ 98 ]

ABM organizacional: simulación dirigida por agentes

La metáfora de simulación dirigida por agentes (ADS) distingue entre dos categorías, a saber, "Sistemas para Agentes" y "Agentes para Sistemas". [ 99 ] Los Sistemas para Agentes (a veces denominados sistemas de agentes) son sistemas que implementan agentes para su uso en ingeniería, dinámica humana y social , aplicaciones militares y otras. Los Agentes para Sistemas se dividen en dos subcategorías. Los sistemas con soporte de agentes se ocupan del uso de agentes como un mecanismo de apoyo para permitir la asistencia informática en la resolución de problemas o la mejora de las capacidades cognitivas. Los sistemas basados ​​en agentes se centran en el uso de agentes para la generación de comportamiento de modelos en una evaluación de sistemas (estudios y análisis de sistemas).

coches autónomos

Hallerbach et al. analizaron la aplicación de enfoques basados ​​en agentes para el desarrollo y la validación de sistemas de conducción automatizada mediante un gemelo digital del vehículo bajo prueba y una simulación de tráfico microscópica basada en agentes independientes. [ 100 ] Waymo ha creado un entorno de simulación multiagente, Carcraft, para probar algoritmos para coches autónomos . [ 101 ] [ 102 ] Simula las interacciones de tráfico entre conductores humanos, peatones y vehículos automatizados. El comportamiento de las personas es imitado por agentes artificiales basados ​​en datos de comportamiento humano real. La idea básica de utilizar modelos basados ​​en agentes para comprender los coches autónomos se discutió ya en 2003. [ 103 ]

Implementación

Muchos marcos ABM están diseñados para arquitecturas de computadoras seriales von Neumann , lo que limita la velocidad y la escalabilidad de los modelos implementados. Dado que el comportamiento emergente en ABM a gran escala depende del tamaño de la población, [ 104 ] las restricciones de escalabilidad pueden dificultar la validación del modelo. [ 105 ] Estas limitaciones se han abordado principalmente mediante computación distribuida , con marcos como Repast HPC [ 106 ] específicamente dedicados a este tipo de implementaciones. Si bien estos enfoques se adaptan bien a las arquitecturas de clústeres y supercomputadoras , los problemas relacionados con la comunicación y la sincronización, [ 107 ] [ 108 ] así como la complejidad del despliegue, [ 109 ] siguen siendo obstáculos potenciales para su adopción generalizada.

Un desarrollo reciente es el uso de algoritmos de paralelismo de datos en unidades de procesamiento gráfico (GPU) para la simulación de ABM. [ 104 ] [ 110 ] [ 111 ] El ancho de banda de memoria extremo combinado con la enorme potencia de cálculo de las GPU multiprocesador ha permitido la simulación de millones de agentes a decenas de fotogramas por segundo.

Integración con otras formas de modelado

Dado que el modelado basado en agentes es más un marco de modelado que un software o plataforma específica, a menudo se ha utilizado junto con otras formas de modelado. Por ejemplo, los modelos basados ​​en agentes también se han combinado con sistemas de información geográfica (SIG). Esto proporciona una combinación útil donde el ABM sirve como modelo de proceso y el sistema SIG puede proporcionar un modelo de patrón. [ 112 ] De manera similar, las herramientas de análisis de redes sociales (ARS) y los modelos basados ​​en agentes a veces se integran, donde el ABM se utiliza para simular la dinámica en la red mientras que la herramienta ARS modela y analiza la red de interacciones. [ 113 ] Herramientas como GAMA proporcionan una forma natural de integrar la dinámica de sistemas y los SIG con el ABM.

Verificación y validación

La verificación y validación (V&V) de los modelos de simulación es extremadamente importante. [ 114 ] La verificación implica asegurar que el modelo implementado coincida con el modelo conceptual, mientras que la validación garantiza que el modelo implementado tenga alguna relación con el mundo real. La validación aparente, el análisis de sensibilidad, la calibración y la validación estadística son diferentes aspectos de la validación. [ 115 ] Se ha propuesto un enfoque de marco de simulación de eventos discretos para la validación de sistemas basados ​​en agentes. [ 116 ] Un recurso completo sobre la validación empírica de modelos basados ​​en agentes se puede encontrar aquí. [ 117 ]

Como ejemplo de técnica V&V, considérese VOMAS (sistema multiagente de superposición virtual), [ 118 ] un enfoque basado en ingeniería de software, donde un sistema multiagente de superposición virtual se desarrolla junto con el modelo basado en agentes. Muazi et al. también proporcionan un ejemplo del uso de VOMAS para la verificación y validación de un modelo de simulación de incendios forestales. [ 119 ] [ 120 ] Otro método de ingeniería de software, es decir, el desarrollo guiado por pruebas, se ha adaptado para la validación de modelos basados ​​en agentes. [ 121 ] Este enfoque tiene otra ventaja que permite una validación automática utilizando herramientas de prueba unitaria.

Véase también

Referencias

  1. ↑ Grimm, Volker; Railsback, Steven F. (2005). Modelado basado en individuos y ecología . Princeton University Press. pág.  485. ISBN 978-0-691-09666-7.
  2. 1 2 Niazi, Muaz; Hussain, Amir (2011). "Computación basada en agentes: de sistemas multiagente a modelos basados ​​en agentes: una revisión visual" (PDF) . Scientometrics . 89 (2): 479–99 . arXiv : 1708.05872 . Bibcode : 2011Scim...89..479N . doi : 10.1007/s11192-011-0468-9 . hdl : 1893/3378 . S2CID 17934527. Archivado del original (PDF) el 12 de octubre de 2013. 
  3. ↑ Gustafsson, Leif; Sternad, Mikael (2010). "Modelado de poblaciones micro, macro y basado en estados consistente". Mathematical Biosciences . 225 (2): 94– 107. doi : 10.1016/j.mbs.2010.02.003 . PMID 20171974 . 
  4. ↑ "Modelos basados ​​en agentes de ecosistemas industriales" . Universidad de Rutgers . 6 de octubre de 2003. Archivado del original el 20 de julio de 2011.
  5. ↑ Bonabeau, E. (14 de mayo de 2002). "Modelado basado en agentes: métodos y técnicas para simular sistemas humanos" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 99 (Supl. 3): 7280–87 . Bibcode : 2002PNAS...99.7280B . doi : 10.1073/pnas.082080899 . PMC 128598. PMID 12011407 .  
  6. ↑ Berto, Francisco; Tagliabue, Jacopo (2023). «Autómatas celulares» . Enciclopedia de Filosofía de Stanford . Prensa de la Universidad de Stanford.
  7. ↑ Cole Stryker (2025). "La evolución de los agentes de IA" . IBM . Consultado el 22 de febrero de 2026 .
  8. ↑ Schelling, Thomas C. (1971). "Modelos dinámicos de segregación" (PDF) . Journal of Mathematical Sociology . 1 (2): 143– 186. doi : 10.1080/0022250x.1971.9989794 . Archivado (PDF) del original el 1 de diciembre de 2016. Recuperado el 21 de abril de 2015 .
  9. ↑ Hogeweg, Paulien (1983). "La ontogenia de la estructura de interacción en colonias de abejorros: un modelo MIRROR". Ecología del comportamiento y sociobiología . 12 (4): 271– 283. Bibcode : 1983BEcoS..12..271H . doi : 10.1007/BF00302895 . S2CID 22530183 . 
  10. ↑ Axelrod, Robert (1997). La complejidad de la cooperación: modelos basados ​​en agentes de competencia y colaboración . Princeton: Princeton University Press. ISBN 978-0-691-01567-5.{{cite book}}: CS1 mantenimiento: ubicación del editor ( enlace )
  11. 1 2 Kohler, Timothy; Gumerman, George (2000). Dinámica en las sociedades humanas y de primates: modelado basado en agentes de procesos sociales y espaciales . Nueva York, Nueva York: Instituto Santa Fe y Oxford University Press. ISBN 0-19-513167-3.
  12. ↑ Epstein, Joshua M.; Axtell , Robert (11 de octubre de 1996). Growing artificial societys: social science from the bottom up . Brookings Institution Press. 224 págs . ISBN  978-0-262-55025-3.
  13. ↑ "Constructo" . Análisis computacional de sistemas de organización social. Archivado del original el 11 de octubre de 2008. Recuperado el 19 de febrero de 2008 .
  14. ↑ "Springer Complex Adaptive Systems Modeling Journal (CASM)" . Archivado del original el 18 de junio de 2012. Consultado el 1 de julio de 2012 .
  15. ↑ Samuelson, Douglas A. (diciembre de 2000). "Diseño de organizaciones" . OR/MS Today . Archivado del original el 17 de junio de 2019. Recuperado el 17 de junio de 2019 .
  16. ↑ Samuelson, Douglas A. (febrero de 2005). "Agentes de cambio" . OR/MS Today . Archivado del original el 17 de junio de 2019. Recuperado el 17 de junio de 2019 .
  17. ↑ Samuelson, Douglas A.; Macal, Charles M. (agosto de 2006). "El modelado basado en agentes alcanza la madurez" . OR/MS Today . Archivado del original el 17 de junio de 2019. Recuperado el 17 de junio de 2019 .
  18. ↑ Sun, Ron , ed. (marzo de 2006). Cognición e interacción multiagente: del modelado cognitivo a la simulación social . Cambridge University Press . ISBN 978-0-521-83964-8.
  19. ↑ "Simposio UCLA Lake Arrowhead: Historia" . uclaarrowheadsymposium.org . Instituto de Estudios del Transporte de UCLA . Consultado el 11 de febrero de 2024 .
  20. ↑ Park, Joon Sung; O'Brien, Joseph; Cai, Carrie; Morris, Meredith; Liang, Percey; Bernstein, Michael (2023). "Generative Agents: Interactive Simulacra of Human Behavior". arXiv : 2304.03442 [ cs.HC ].
  21. ↑ Aditya Kurve; Khashayar Kotobi; George Kesidis (2013). "Un marco basado en agentes para el modelado del rendimiento de un simulador de eventos discretos paralelos optimista" . Modelado de sistemas adaptativos complejos . 1 12. doi : 10.1186/2194-3206-1-12 .
  22. ↑ Niazi, Muaz AK (30 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación formales, en red y basados ​​en agentes validados de sistemas adaptativos complejos". hdl : 1893/3365 .{{cite journal}}: Se requiere citar la revista |journal=( ayuda ) (Tesis doctoral)
  23. ↑ Niazi, MA y Hussain, A (2012), Computación cognitiva basada en agentes-I: Un marco unificado para modelar sistemas adaptativos complejos utilizando métodos basados ​​en agentes y redes complejas. Computación cognitiva basada en agentes. Archivado el 24 de diciembre de 2012 en Wayback Machine .
  24. ↑ "Plantillas de código Swarm para la comparación de modelos" . Grupo de Desarrollo de Swarm . Archivado del original el 3 de agosto de 2008.
  25. ↑ Volker Grimm; Uta Berger; Finn Bastiansen; et al. (15 de septiembre de 2006). "Un protocolo estándar para describir modelos basados ​​en individuos y en agentes". Ecological Modelling . 198 ( 1–2 ): 115–126 . Bibcode : 2006EcMod.198..115G . doi : 10.1016/j.ecolmodel.2006.04.023 . S2CID 11194736 .  (Documento impar)
  26. ↑ Ch'ng, E. (2012) Macro y microentorno para la diversidad de comportamiento en la simulación de vida artificial, Sesión de Vida Artificial, 6.ª Conferencia Internacional sobre Computación Blanda y Sistemas Inteligentes, XIII Simposio Internacional sobre Sistemas Inteligentes Avanzados, 20-24 de noviembre de 2012, Kobe, Japón. Macro y microentorno archivado el 13 de noviembre de 2013 en Wayback Machine .
  27. ↑ Simon, Herbert A. Las ciencias de lo artificial. MIT Press, 1996.
  28. ↑ Wertheim, Kenneth Y.; Puniy, Bhanwar Lal; Fleur, Alyssa La; Shah, Ab Rauf; Barberis, Matteo; Helikar, Tomáš (3 de agosto de 2021). "Una plataforma multi-enfoque y multi-escala para modelar las células T CD4+ que responden a las infecciones" . PLOS Computational Biology . 17 (8) e1009209. Bibcode : 2021PLSCB..17E9209W . doi : 10.1371/journal.pcbi.1009209 . ISSN 1553-7358 . PMC 8376204. PMID 34343169 .   
  29. ^ Situngkir, Hokky (2004). "Epidemiología a través de autómatas celulares: caso de estudio de la influenza aviar en Indonesia". arXiv : nlin/0403035 .
  30. ↑ Caplat, Paul; Anand, Madhur; Bauch, Chris (10 de marzo de 2008). "La competencia simétrica provoca oscilaciones poblacionales en un modelo individual de dinámica forestal". Ecological Modelling . 211 ( 3–4 ): 491–500 . Bibcode : 2008EcMod.211..491C . doi : 10.1016/j.ecolmodel.2007.10.002 .
  31. ↑ Thomas, Philipp (diciembre de 2019). "Ruido intrínseco y extrínseco de la expresión génica en árboles de linaje" . Scientific Reports . 9 (1) 474. Bibcode : 2019NatSR...9..474T . doi : 10.1038/s41598-018-35927-x . ISSN 2045-2322 . PMC 6345792. PMID 30679440 .   
  32. ↑ Fedriani, JM; Wiegand, T; Ayllón, D; Palomares, F; Suárez-Esteban, A; Grimm, V. (2018). "Ayudando a los dispersores de semillas a restaurar campos abandonados: un modelo basado en individuos de las interacciones entre tejones, zorros y perales ibéricos". Journal of Applied Ecology . 55 (2): 600– 611. Bibcode : 2018JApEc..55..600F . doi : 10.1111/1365-2664.13000 .
  33. ↑ Ch'ng, E. (2009) Un enfoque de modelado de vegetación basado en vida artificial para la investigación de la biodiversidad, en Nature-Inspired informatics for Intelligent Applications and Knowledge Discovery: Implications in Business, Science and Engineering, R. Chiong, Editor. 2009, IGI Global: Hershey, PA. http://complexity.io/Publications/NII-alifeVeg-eCHNG.pdf Archivado el 13 de noviembre de 2013 en Wayback Machine
  34. ↑ Weller, FG; Webb, EB; Beatty, WS; Fogenburg, S.; Kesler, D.; Blenk, RH; Eadie, JM; Ringelman, K.; Miller, ML (2022). Modelado basado en agentes de los movimientos y la selección de hábitat de los ánades reales del centro del continente (Informe). Serie de Ciencia Cooperativa. Washington, D. C: Departamento del Interior de los Estados Unidos, Servicio de Pesca y Vida Silvestre. doi : 10.3996/css47216360 . FWS/CSS-143-2022.
  35. ^ Buckingham, Lila; Masden, Elizabeth A.; Layton-Matthews, Kate; Bringsvor, Ingar S.; Bråthen, Vegard Sandøy; Dehnhard, Nina; Fauchhald, Per; Lorentsen, Svein‐Håkon; Reiertsen, Tono K.; Searle, Kate R.; Tarroux, Arnaud; Christensen‐Dalsgaard, Signe (enero de 2026). "Un modelo individual para cuantificar el impacto de los parques eólicos en las aves marinas durante la temporada no reproductiva" . Soluciones y Evidencia Ecológicas . 7 (1) e70196. doi : 10.1002/2688-8319.70196 . ISSN 2688-8319 . 
  36. ↑ Wirth, E.; Szabó, Gy.; Czinkóczky, A. (7 de junio de 2016). "Medición de la heterogeneidad del paisaje mediante metodología basada en agentes" . Anales de la ISPRS de fotogrametría, teledetección y ciencias de la información espacial . III-8: 145–151 . Bibcode : 2016ISPAnIII8..145W . doi : 10.5194/isprs-annals-iii-8-145-2016 .
  37. ↑ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer., Dietrich (2009). "Evolución del etnocentrismo en redes de Barabási-Albert dirigidas y no dirigidas". Physica A . 388 (24): 4999– 5004. arXiv : 0905.2672 . Bibcode : 2009PhyA..388.4999L . doi : 10.1016/j.physa.2009.08.029 . S2CID 18233740 . 
  38. ↑ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer, Dietrich (2009). "Evolución del etnocentrismo en redes de Barabási-Albert no dirigidas y dirigidas". Physica A . 388 (24): 4999– 5004. arXiv : 0905.2672 . Bibcode : 2009PhyA..388.4999L . doi : 10.1016/j.physa.2009.08.029 . S2CID 18233740 . 
  39. ↑ Edwards, Scott (9 de junio de 2009). El caos de la migración forzada: un modelo para un fin humanitario . VDM Verlag . pág. 168. ISBN  978-3-639-16516-6.
  40. ↑ Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, Christian (2009). "Simulaciones informáticas basadas en agentes de la dinámica de elección de idiomas". Anales de la Academia de Ciencias de Nueva York . 1167 (1): 221– 229. Bibcode : 2009NYASA1167..221H . doi : 10.1111 / j.1749-6632.2009.04507.x . PMID 19580569. S2CID 32790067 .  
  41. ↑ Tang, Jonathan; Enderling, Heiko ; Becker-Weimann, Sabine; Pham, Christopher; Polyzos, Aris; Chen, Charlie; Costes, Sylvain (2011). " Mapas de transición fenotípica de acinos mamarios 3D obtenidos mediante modelado basado en agentes guiado por imágenes" . Integrative Biology . 3 (4): 408–21 . doi : 10.1039/c0ib00092b . PMC 4009383. PMID 21373705 .  
  42. ^ Espiga, Jonathan; Fernando-García, Ignacio; Vijayakumar, Sangeetha; Martínez-Ruis, Haydeliz; Illa-Bochaca, Irineu; Nguyen, David; Mao, Jian-Hua; Costes, Sylvain; Barcellos-Hoff, Mary Helen (2014). "La irradiación de la glándula mamaria juvenil, pero no de la adulta, aumenta la autorrenovación de las células madre y los tumores negativos al receptor de estrógeno" . Células madre . 32 (3): 649– 61. doi : 10.1002/stem.1533 . PMID 24038768 . S2CID 32979016 .  
  43. ↑ Tang, Jonathan; Ley, Klaus; Hunt, C. Anthony (2007). "Dinámica del rodamiento, activación y adhesión de leucocitos in silico" . BMC Systems Biology . 1 (14): 14. doi : 10.1186/1752-0509-1-14 . PMC 1839892. PMID 17408504 .  
  44. ↑ Tang, Jonathan; Hunt, C. Anthony (2010). "Identificación de las reglas de interacción que permiten el rodamiento, la activación y la adhesión de leucocitos" . PLOS Computational Biology . 6 (2) e1000681. Bibcode : 2010PLSCB...6E0681T . doi : 10.1371/journal.pcbi.1000681 . PMC 2824748. PMID 20174606 .  
  45. ↑ Castiglione, Filippo; Celada, Franco (2015). Modelado y simulación del sistema inmunitario . CRC Press, Boca Raton. pág. 274. ISBN  978-1-4665-9748-8Archivado del original el 4 de febrero de 2023. Consultado el 17 de diciembre de 2017 .
  46. ↑ Liang, Tong; Brinkman, Braden AW (14 de marzo de 2022). "Evolución de estrategias de comportamiento innatas a través de la dinámica de poblaciones competitivas" . PLOS Computational Biology . 18 (3) e1009934. Bibcode : 2022PLSCB..18E9934L . doi : 10.1371/journal.pcbi.1009934 . ISSN 1553-7358 . PMC 8947601. PMID 35286315 .   
  47. ↑ Siddiqa, Amnah; Niazi, Muaz; Mustafa, Farah; Bokhari, Habib; Hussain, Amir; Akram, Noreen; Shaheen, Shabnum; Ahmed, Fouzia; Iqbal, Sarah (2009). "Un nuevo sistema híbrido de apoyo a la toma de decisiones basado en modelado y simulación de agentes para el análisis de datos de cáncer de mama" (PDF) . Conferencia Internacional de Tecnologías de la Información y la Comunicación de 2009. págs. 134–139 . doi : 10.1109/ICICT.2009.5267202 . ISBN  978-1-4244-4608-7. S2CID 14433449 . Archivado del original (PDF) el 14 de junio de 2011. (Sistema de apoyo a la toma de decisiones sobre el cáncer de mama)
  48. ↑ Butler, James; Cosgrove, Jason; Alden, Kieran; Read, Mark; Kumar, Vipin; Cucurull-Sanchez, Lourdes; Timmis, Jon; Coles, Mark (2015). "Modelado basado en agentes en farmacología de sistemas" . CPT: Farmacometría y farmacología de sistemas . 4 ( 11): 615– 629. doi : 10.1002/psp4.12018 . PMC 4716580. PMID 26783498 .  
  49. ↑ Barathy, Gnana; Yilmaz, Levent; Tolk, Andreas (marzo de 2012). «Simulación dirigida por agentes para el modelado de combate y la simulación distribuida». Principios de ingeniería del modelado de combate y la simulación distribuida . Hoboken, NJ: Wiley . págs. 669–714 . doi : 10.1002/9781118180310.ch27 . ISBN  978-1-118-18031-0.
  50. ↑ Azimi, Mohammad; Jamali, Yousef; Mofrad, Mohammad RK (2011). "Contabilidad de la difusión en modelos basados ​​en agentes de sistemas de reacción-difusión con aplicación a la difusión del citoesqueleto" . PLOS ONE . 6 (9) e25306. Bibcode : 2011PLoSO...625306A . doi : 10.1371/journal.pone.0025306 . PMC 3179499. PMID 21966493 .  
  51. ↑ Azimi, Mohammad; Mofrad, Mohammad RK (2013). "Mayor afinidad de la nucleoporina-importinaβ en la cesta nuclear aumenta la importación nucleocitoplasmática" . PLOS ONE . 8 (11) e81741. Bibcode : 2013PLoSO...881741A . doi : 10.1371/journal.pone.0081741 . PMC 3840022. PMID 24282617 .  
  52. ↑ Azimi, Mohammad; Bulat, Evgeny; Weis, Karsten; Mofrad, Mohammad RK (5 de noviembre de 2014). " Un modelo basado en agentes para la exportación de ARNm a través del complejo del poro nuclear" . Biología molecular de la célula . 25 (22): 3643– 3653. doi : 10.1091/mbc.E14-06-1065 . PMC 4230623. PMID 25253717 .  
  53. ↑ Pahl, Cameron C.; Ruedas, Luis (2021). "Carnosaurios como carroñeros ápice: simulaciones basadas en agentes revelan posibles análogos de buitres en dinosaurios del Jurásico tardío". Ecological Modelling . 458 109706. Bibcode : 2021EcMod.45809706P . doi : 10.1016/j.ecolmodel.2021.109706 .
  54. ↑ Volmer; et al. (2017). "¿Se extinguió Panthera pardus (Linnaeus, 1758) en Sumatra debido a la competencia por las presas? Modelado de la competencia interespecífica dentro del gremio de carnívoros del Pleistoceno tardío de las tierras altas de Padang, Sumatra". Palaeogeography, Palaeoclimatology, Palaeoecology . 487 : 175–186 . Bibcode : 2017PPP...487..175V . doi : 10.1016/j.palaeo.2017.08.032 . 
  55. ↑ Hagen, Oskar; Flück, Benjamin; Fopp, Fabian; Cabral, Juliano C.; Hartig, Florian; Pontarp, Mikael; Rangel, Thiago F.; Pellissier, Loïc (2021). "gen3sis: Un motor general para simulaciones ecoevolutivas de los procesos que dan forma a la biodiversidad de la Tierra" . PLOS Biology . 19 ( 7) e3001340. doi : 10.1371/journal.pbio.3001340 . PMC 8384074. PMID 34252071. S2CID 235807562 .   
  56. ↑ Eisinger, Dirk; Thulke, Hans-Hermann (1 de abril de 2008). "La formación de patrones espaciales facilita la erradicación de enfermedades infecciosas" . The Journal of Applied Ecology . 45 (2): 415– 423. Bibcode : 2008JApEc..45..415E . doi : 10.1111 / j.1365-2664.2007.01439.x . ISSN 0021-8901 . PMC 2326892. PMID 18784795 .   
  57. ↑ Railsback, Steven F.; Grimm, Volker (26 de marzo de 2019). Modelado basado en agentes y en individuos . Princeton University Press. ISBN 978-0-691-19082-2Archivado del original el 24 de octubre de 2020. Consultado el 19 de octubre de 2020 .
  58. ↑ Adam, David (2 de abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial a la COVID-19". Nature . 580 ( 7803): 316– 318. Bibcode : 2020Natur.580..316A . doi : 10.1038/d41586-020-01003-6 . PMID 32242115. S2CID 214771531 .  
  59. ↑ Sridhar, Devi; Majumder, Maimuna S. (21 de abril de 2020). " Modelando la pandemia" . BMJ . 369 m1567. doi : 10.1136/bmj.m1567 . ISSN 1756-1833 . PMID 32317328. S2CID 216074714. Archivado del original el 16 de mayo de 2021. Recuperado el 19 de octubre de 2020 .   
  60. ↑ Squazzoni, Flaminio; Polhill, J. Gareth; Edmonds, Bruce; Ahrweiler, Petra; Antosz, Patrycja; Scholz, Geeske; Chappin, Émile; Borit, Melania; Verhagen, Harko; Giardini, Francesca; Gilbert, Nigel (2020). "Modelos computacionales que importan durante un brote pandémico global: un llamado a la acción" . Journal of Artificial Societies and Social Simulation . 23 (2): 10. doi : 10.18564/jasss.4298 . hdl : 10037/19057 . ISSN 1460-7425 . S2CID 216426533. Archivado del original el 24 de febrero de 2021. Recuperado el 19 de octubre de 2020 .  
  61. ↑ Maziarz, Mariusz; Zach, Martin (2020). "Modelado basado en agentes para la predicción de la epidemia de SARS-CoV-2 y la evaluación de intervenciones: una evaluación metodológica" . Journal of Evaluation in Clinical Practice . 26 (5): 1352– 1360. doi : 10.1111/jep.13459 . ISSN 1365-2753 . PMC 7461315. PMID 32820573 .   
  62. ↑ Manout, O.; Ciari, F. (2021). "Evaluación del papel de las actividades diarias y la movilidad en la propagación de la COVID-19 en Montreal con un enfoque basado en agentes" . Frontiers in Built Environment . 7 654279. doi : 10.3389/fbuil.2021.654279 .
  63. ↑ Del Valle, Sara Y.; et al. (2021), EpiCast: Simulación de epidemias con detalle extremo (Techreport), Laboratorio Nacional de Los Alamos (LANL), Los Alamos, NM, Estados Unidos, doi : 10.2172/1783478 , OSTI 1783478  
  64. ↑ Kerr, Cliff; et al. (2021), "Covasim: un modelo basado en agentes de la dinámica e intervenciones de la COVID-19", PLOS Computational Biology , 17 (7) e1009149, Bibcode : 2021PLSCB..17E9149K , doi : 10.1371/journal.pcbi.1009149 , PMC 8341708 , PMID 34310589   
  65. ↑ Hinch, Robert; et al. (2021), "OpenABM-Covid19: un modelo basado en agentes para intervenciones no farmacéuticas contra la COVID-19, incluido el rastreo de contactos", PLOS Computational Biology , 17 (7) e1009146, Bibcode : 2021PLSCB..17E9146H , doi : 10.1371/journal.pcbi.1009146 , PMC 8328312 , PMID 34252083   
  66. ^ Aylett-Bullock, José; Cuesta-Lázaro, Carolina; Quera-Bofarull, Arnau; Icaza-Lizaola, Miguel; Sedgewick, Aidan; Truong, Henry; Curran, Aoife; Elliott, Eduardo; Caulfield, Tristán; Fong, Kevin; Vernon, Ian; Williams, Julián; Bower, Richard; Krauss, Frank (2021), "JUNIO: simulación de epidemiología individual de código abierto", Royal Society Open Science , 8 (7) 210506, Bibcode : 2021RSOS....810506A , doi : 10.1098/rsos.210506 , PMC 8261230 , PMID 34295529  
  67. ↑ Vernon, I.; Owen, J.; Aylett-Bullock, J.; Cuesta-Lazaro, C.; Frawley, J.; Quera-Bofarull, A.; Sedgewick, A.; Shi, D.; Truong, H.; Turner, M.; Walker, J.; Caulfield, T.; Fong, K.; Krauss, F. (2022), "Emulación bayesiana y ajuste histórico de JUNE", Philosophical Transactions of the Royal Society A , 380 (2233) 20220039, Bibcode : 2022RSPTA.38020039V , doi : 10.1098/rsta.2022.0039 , PMC 9376712 , PMID 35965471  
  68. ↑ Shattock, Andrew; Le Rutte, Epke; et al. (2021), "Impacto de la vacunación y las intervenciones no farmacéuticas en la dinámica del SARS-CoV-2 en Suiza", Epidemics , 38 (7) 100535, Bibcode : 2021PLSCB..17E9146H , doi : 10.1016/j.epidem.2021.100535 , PMC 8669952 , PMID 34923396   
  69. ↑ "Repositorio Git con código fuente de acceso abierto para OpenCOVID" . GitHub . Swiss TPH. 31 de enero de 2022. Archivado del original el 15 de febrero de 2022. Recuperado el 15 de febrero de 2022 .
  70. ↑ Rand, William; Rust, Roland T. (2011). "Modelado basado en agentes en marketing: Directrices para el rigor". International Journal of Research in Marketing . 28 (3): 181– 193. doi : 10.1016/j.ijresmar.2011.04.002 .
  71. ↑ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Modelado y simulación basados ​​en agentes: la contribución potencial a la psicología organizacional". Journal of Occupational and Organizational Psychology . 85 (3): 487– 502. doi : 10.1111/j.2044-8325.2012.02053.x .
  72. ↑ Boroomand, Amin (2021). "Trabajo duro, toma de riesgos y diversidad en un modelo de resolución colectiva de problemas" . Journal of Artificial Societies and Social Simulation . 24 (4) 10. doi : 10.18564/jasss.4704 .
  73. ↑ Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). "El desarrollo de un marco de modelado basado en agentes para simular el trabajo en equipo de ingeniería". IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans . 42 (6): 1425– 1439. doi : 10.1109/TSMCA.2012.2199304 . S2CID 7985332 . 
  74. ↑ "Aplicación de la tecnología de agentes a la simulación de tráfico" . Departamento de Transporte de los Estados Unidos . 15 de mayo de 2007. Archivado del original el 1 de enero de 2011. Consultado el 31 de octubre de 2007 .
  75. ↑ Niazi, M.; Baig, AR; Hussain, A.; Bhatti, S. (2008). "Simulación del proceso de investigación" (PDF) . En Mason, S.; Hill, R.; Mönch, L.; Rose, O.; Jefferson, T.; Fowler, JW (eds.). Conferencia de Simulación de Invierno de 2008. pp. 1326–1334 . doi : 10.1109/WSC.2008.4736206 . hdl : 1893/3203 . ISBN  978-1-4244-2707-9. S2CID 6597668 . Archivado (PDF) del original el 1 de junio de 2011 . Recuperado el 7 de junio de 2009 . 
  76. ↑ Niazi, Muaz A. (2008). «Arquitectura de entrega de contenido personalizada y autoorganizada para entornos asistidos ambientalmente» (PDF) . Actas del tercer taller internacional sobre el uso de P2P, redes y agentes para el desarrollo de redes de contenido . pp. 45–54 . doi : 10.1145/1384209.1384218 . ISBN  978-1-60558-155-2. S2CID 16916130 . Archivado del original (PDF) el 14 de junio de 2011. 
  77. ↑ Nasrinpour, Hamid Reza; Friesen, Marcia R. ; McLeod, Robert D. (22 de noviembre de 2016). "Un modelo basado en agentes de propagación de mensajes en la red social electrónica Facebook". arXiv : 1611.07454 [ cs.SI ].
  78. ↑ Niazi, Muaz; Hussain, Amir (marzo de 2009). "Herramientas basadas en agentes para el modelado y la simulación de la autoorganización en redes peer-to-peer, ad hoc y otras redes complejas" (PDF) . IEEE Communications Magazine . 47 (3): 163–173 . arXiv : 1708.01599 . Bibcode : 2009IComM..47c.166N . doi : 10.1109/MCOM.2009.4804403 . hdl : 1893/2423 . S2CID 23449913. Archivado del original (PDF) el 4 de diciembre de 2010. 
  79. ↑ Niazi, Muaz; Hussain, Amir (2011). "Un novedoso marco de simulación basado en agentes para la detección en entornos adaptativos complejos" (PDF) . IEEE Sensors Journal . 11 (2): 404– 412. arXiv : 1708.05875 . Bibcode : 2011ISenJ..11..404N . doi : 10.1109/JSEN.2010.2068044 . hdl : 1893/3398 . S2CID 15367419. Archivado del original (PDF) el 25 de julio de 2011. 
  80. ↑ Sarker, RA; Ray, T. (2010). "Enfoque evolutivo basado en agentes: una introducción". Búsqueda evolutiva basada en agentes . Adaptación, aprendizaje y optimización. Vol. 5. pp. 1–11 . doi : 10.1007/978-3-642-13425-8_1 . ISBN   978-3-642-13424-1.
  81. ↑ Boroomand, Amin; Smaldino, Paul E. (2023). "El sesgo de superioridad y el ruido de comunicación pueden mejorar la resolución colectiva de problemas" . Journal of Artificial Societies and Social Simulation . 26 (3) 14. doi : 10.18564/jasss.5154 .
  82. ↑ Page, Scott E. (2008). Modelos basados ​​en agentes (2.ª ed.). Archivado del original el 10 de febrero de 2018. Recuperado el 3 de octubre de 2011 . {{cite book}}: |work=ignorado ( ayuda )
  83. ↑ Testfatsion, Leigh ; Judd, Kenneth , eds. (mayo de 2006). Manual de economía computacional . Vol. 2. Elsevier . pág. 904. ISBN   978-0-444-51253-6Archivado del original el 6 de marzo de 2012. Consultado el 29 de enero de 2012 .( Vista previa del capítulo)
  84. 1 2 "Agentes de cambio" . The Economist . 22 de julio de 2010. Archivado del original el 23 de enero de 2011. Consultado el 16 de febrero de 2011 .
  85. ↑ "Un enfoque modelo" . Nature . 460 (7256): 667. 6 de agosto de 2009. Bibcode : 2009Natur.460Q.667. . doi : 10.1038/460667a . PMID 19661863 . 
  86. ↑ Farmer y Foley 2009 , pág. 685.
  87. ↑ Farmer y Foley 2009 , pág. 686.
  88. ↑ Stefan, F., & Atman, A. (2015). ¿Existe alguna conexión entre la morfología de la red y las fluctuaciones del índice bursátil? Physica A: Statistical Mechanics and Its Applications, (419), 630-641.
  89. ↑ Dawid, Herbert; Gatti, Delli (enero de 2018). "Macroeconomía basada en agentes". Manual de Economía Computacional . 4 : 63–156 . doi : 10.1016/bs.hescom.2018.02.006 .
  90. ↑ Rand, William; Rust, Roland T. (julio de 2011). "Modelado basado en agentes en marketing: directrices para el rigor". International Journal of Research in Marketing . 28 (3): 181– 193. doi : 10.1016/j.ijresmar.2011.04.002 .
  91. ↑ Aschwanden, GDPA; Wullschleger, Tobías; Müller, Hanspeter; Schmitt, Gerhard (2009). "Evaluación de modelos de ciudad 3D mediante agentes urbanos colocados automáticamente". Automatización en la Construcción . 22 : 81– 89. doi : 10.1016/j.autcon.2011.07.001 .
  92. ↑ Brown, Daniel G.; Page, Scott E.; Zellner, Moira; Rand, William (2005). "Dependencia de la trayectoria y validación de modelos espaciales basados ​​en agentes del uso del suelo" . Revista Internacional de Ciencias de la Información Geográfica . 19 (2): 153– 174. Bibcode : 2005IJGIS..19..153B . doi : 10.1080/13658810410001713399 .
  93. ↑ Smetanin, Paul; Stiff, David (2015). Inversión en infraestructura pública de Ontario: una perspectiva de prosperidad en riesgo, con un análisis del área metropolitana de Toronto y Hamilton (PDF) (Informe). Centro Canadiense de Análisis Económico. Archivado (PDF) del original el 18 de noviembre de 2016. Recuperado el 17 de noviembre de 2016 .
  94. ↑ Yang, Xiaoliang; Zhou, Peng (abril de 2022). "Desigualdad de riqueza y movilidad social: un enfoque de modelado basado en simulación" . Journal of Economic Behavior & Organization . 196 : 307–329 . doi : 10.1016/j.jebo.2022.02.012 . hdl : 10419/261231 . S2CID 247143315 . 
  95. ↑ Butcher, Charity; Njonguo, Edwin (22 de diciembre de 2021). "Simulando la diplomacia: ¿Ayuda para el aprendizaje o lo de siempre?". Revista de Educación en Ciencias Políticas . 17 (supl. 1): 185–203 . doi : 10.1080/15512169.2020.1803080 . ISSN 1551-2169 . 
  96. ↑ Gilbert, Nigel; Ahrweiler, Petra; Barbrook-Johnson, Pete; Narasimhan, Kavin Preethi; Wilkinson, Helen (2018). "Modelado computacional de políticas públicas: reflexiones sobre la práctica" . Journal of Artificial Societies and Social Simulation . 21 (1) 14. doi : 10.18564/jasss.3669 . hdl : 10044/1/102075 . ISSN 1460-7425 . 
  97. ↑ Berglund, Emily Zechman (noviembre de 2015). "Uso de modelos basados ​​en agentes para la planificación y gestión de recursos hídricos" . Journal of Water Resources Planning and Management . 141 (11) 04015025. Bibcode : 2015JWRPM.14100544B . doi : 10.1061/(ASCE)WR.1943-5452.0000544 . ISSN 0733-9496 . Archivado del original el 19 de enero de 2022. Recuperado el 18 de septiembre de 2021 . 
  98. ↑ Giuliani, M.; Castelletti, A. (julio de 2013). "Evaluación del valor de la cooperación y el intercambio de información en grandes sistemas de recursos hídricos mediante optimización basada en agentes: Marco MAS para grandes sistemas de recursos hídricos" . Water Resources Research . 49 (7): 3912–3926 . doi : 10.1002/wrcr.20287 . S2CID 128659104 . 
  99. ↑ "Simulación dirigida por agentes" . Archivado del original el 27 de septiembre de 2011. Recuperado el 9 de agosto de 2011 .
  100. ↑ Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). "Simulation-Based Identification of Critical Scenarios for Cooperative and Automated Vehicles" . SAE International Journal of Connected and Automated Vehicles . 1 (2). SAE International: 93–106 . doi : 10.4271/2018-01-1066 .
  101. ↑ Madrigal, Historia de Alexis C. "Dentro del mundo secreto de Waymo para entrenar coches autónomos" . The Atlantic . Archivado del original el 14 de agosto de 2020. Recuperado el 14 de agosto de 2020 .
  102. ↑ Connors, J.; Graham, S.; Mailloux, L. (2018). "Modelado sintético cibernético para aplicaciones de comunicación vehículo a vehículo". Conferencia Internacional sobre Guerra Cibernética y Seguridad . Academic Conferences International Limited: 594-XI.
  103. ↑ Yang, Guoqing; Wu, Zhaohui; Li, Xiumei; Chen, Wei (2003). "SVE: Entorno de vehículo inteligente basado en agentes integrados". Actas de la Conferencia Internacional IEEE de 2003 sobre Sistemas de Transporte Inteligentes . Vol. 2. págs. 1745–1749 vol.2. doi : 10.1109/ITSC.2003.1252782 . ISBN   0-7803-8125-4. S2CID 110177067 . 
  104. 1 2 Lysenko, Mikola; D'Souza, Roshan M. (2008). "Un marco para simulaciones de modelos basados ​​en agentes a gran escala en unidades de procesamiento gráfico" . Journal of Artificial Societies and Social Simulation . 11 (4): 10. ISSN 1460-7425 . Archivado del original el 26 de abril de 2019. Recuperado el 16 de abril de 2019 . 
  105. ↑ Gulyás, László; Szemes, Gábor; Kampis, George; de ​​Back, Walter (2009). "Una API amigable para el modelador para la partición ABM" . Actas de las Conferencias Técnicas Internacionales de Ingeniería de Diseño de la ASME 2009 y la Conferencia de Computadoras e Información en Ingeniería IDETC/CIE 2009. 2. San Diego, California, EE. UU.: 219–226 . Archivado del original el 16 de abril de 2019. Recuperado el 16 de abril de 2019 .
  106. ↑ Collier, N.; North, M. (2013). "Simulación paralela basada en agentes con Repast para computación de alto rendimiento". Simulation . 89 (10): 1215– 1235. doi : 10.1177/0037549712462620 . S2CID 29255621 . 
  107. ↑ Fujimoto, R. (2015). "Simulación paralela y distribuida" . Conferencia de Simulación de Invierno de 2015 (WSC) . Huntington Beach, CA, EE. UU. pp. 45–59 . doi : 10.1109/WSC.2015.7408152 . ISBN  978-1-4673-9743-8. S2CID 264924790 . Archivado del original el 4 de febrero de 2023 . Recuperado el 6 de septiembre de 2020 . {{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
  108. ↑ Shook, E.; Wang, S.; Tang, W. (2013). "Un marco de comunicación para modelos basados ​​en agentes espacialmente explícitos paralelos". International Journal of Geographical Information Science . 27 (11). Taylor & Francis: 2160– 2181. Bibcode : 2013IJGIS..27.2160S . doi : 10.1080/13658816.2013.771740 . S2CID 41702653 . 
  109. ↑ Jonas, E.; Pu, Q.; Venkataraman, S.; Stoica, I.; Recht, B. (2017). «Ocupar la nube: Computación distribuida para el 99 %». Actas del Simposio de Computación en la Nube de 2017. ACM. págs. 445–451 . arXiv : 1702.04024 . doi : 10.1145/3127479.3128601 . ISBN  978-1-4503-5028-0. S2CID 854354 . 
  110. ↑ Isaac Rudomin; et al. (2006). "Grandes multitudes en la GPU" . Instituto Tecnológico y de Estudios Superiores de Monterrey . Archivado del original el 11 de enero de 2014. 
  111. ↑ Richmond, Paul; Romano, Daniela M. (2008). "GPU basada en agentes, un marco de simulación 3D en tiempo real y visualización interactiva para modelado masivo basado en agentes en la GPU" (PDF) . Actas del Taller Internacional sobre Super Visualización (IWSV08) . Archivado del original (PDF) el 15 de enero de 2009. Recuperado el 27 de abril de 2012 .
  112. ↑ Brown, Daniel G.; Riolo, Rick; Robinson, Derek T.; North, Michael; Rand, William (2005). "Proceso espacial y modelos de datos: hacia la integración de modelos basados ​​en agentes y SIG". Journal of Geographical Systems . 7 (1). Springer: 25– 47. Bibcode : 2005JGS.....7...25B . doi : 10.1007/s10109-005-0148-5 . hdl : 2027.42/47930 . S2CID 14059768 . 
  113. ↑ Zhang, J.; Tong, L.; Lamberson, PJ; Durazo-Arvizu, RA; Luke, A.; Shoham, DA (2015). "Aprovechamiento de la influencia social para abordar el sobrepeso y la obesidad mediante modelos basados ​​en agentes: El papel de las redes sociales de los adolescentes" . Social Science & Medicine . 125. Elsevier BV: 203–213 . doi : 10.1016/j.socscimed.2014.05.049 . ISSN 0277-9536 . PMC 4306600. PMID 24951404 .   
  114. ↑ Sargent, RG (2000). "Verificación, validación y acreditación de modelos de simulación". Actas de la Conferencia de Simulación de Invierno de 2000 (Cat. No. 00CH37165) . Vol. 1. pp. 50–59 . CiteSeerX 10.1.1.17.438 . doi : 10.1109/WSC.2000.899697 . ISBN    978-0-7803-6579-7. S2CID 57059217 . 
  115. ↑ Klügl, F. (2008). "Una metodología de validación para simulaciones basadas en agentes". Actas del simposio ACM de 2008 sobre computación aplicada - SAC '08 . págs. 39–43 . doi : 10.1145/1363686.1363696 . ISBN  978-1-59593-753-7. S2CID 9450992 . 
  116. ↑ Fortino, G.; Garro, A.; Russo, W. (2005). "Un marco de simulación de eventos discretos para la validación de sistemas basados ​​en agentes y multiagentes" (PDF) . Archivado (PDF) del original el 26 de junio de 2011. Recuperado el 27 de septiembre de 2009 .{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  117. ↑ Tesfatsion, Leigh. "Validación empírica: economía computacional basada en agentes" . Universidad Estatal de Iowa . Archivado del original el 26 de junio de 2020. Recuperado el 24 de junio de 2020 .
  118. ↑ Niazi, Muaz; Hussain, Amir; Kolberg, Mario. "Verificación y validación de simulaciones basadas en agentes mediante el enfoque VOMAS" (PDF) . Actas del Tercer Taller sobre Sistemas Multiagente y Simulación '09 (MASS '09), como parte de MALLOW 09, del 7 al 11 de septiembre de 2009, Turín, Italia . Archivado del original (PDF) el 14 de junio de 2011.
  119. ↑ Niazi, Muaz; Siddique, Qasim; Hussain, Amir; Kolberg, Mario (11-15 de abril de 2010). «Verificación y validación de un modelo de simulación de incendios forestales basado en agentes» (PDF) . Actas de la Multiconferencia de Simulación de Primavera de 2010. págs. 142-149 . doi : 10.1145/1878537.1878539 . ISBN  978-1-4503-0069-8Archivado del original (PDF) el 25 de julio de 2011.
  120. ↑ Niazi, Muaz AK (11 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación formales, en red y basados ​​en agentes validados de sistemas adaptativos complejos". Universidad de Stirling . hdl : 1893/3365 .{{cite journal}}: La cita de la revista requiere |journal=( ayuda ) Tesis doctoral
  121. ↑ Onggo, BS; Karatas, M. (2016). "Modelado de simulación basado en pruebas: un estudio de caso utilizando simulación de operaciones de búsqueda marítima basada en agentes" . European Journal of Operational Research . 254 (2): 517– 531. doi : 10.1016/j.ejor.2016.03.050 . Archivado del original el 30 de junio de 2020.

General

  • Barnes, DJ; Chu, D. (2010). Introducción al modelado para biociencias (capítulos 2 y 3) . Springer Verlag . ISBN 978-1-84996-325-1Archivado del original el 30 de diciembre de 2010. Consultado el 20 de septiembre de 2010 .
  • Carley, Kathleen M. «Agentes inteligentes y organizaciones del futuro» . En Lievrouw, Leah; Livingstone, Sonia (eds.). Manual de nuevos medios . Thousand Oaks, CA: Sage. págs. 206–220 . Archivado del original el 11 de junio de 2007. Recuperado el 17 de febrero de 2008 . 
  • Farmer, J. Doyne ; Foley, Duncan (6 de agosto de 2009). "La economía necesita modelos basados ​​en agentes" . Nature . 460 (7256): 685– 686. Bibcode : 2009Natur.460..685F . doi : 10.1038/460685a . PMID 19661896. S2CID 37676798. Archivado del original el 25 de julio de 2020. Recuperado el 28 de junio de 2019 .  
  • Gilbert, Nigel; Troitzsch, Klaus (2005). Simulación para el científico social (2.ª  ed.). Open University Press. ISBN 978-0-335-21600-0.Primera edición, 1999.
  • Gilbert, Nigel (2008). Modelos basados ​​en agentes . SAGE. ISBN 978-1-4129-4964-4.
  • Helbing, Dirk ; Balietti, Stefano. Helbing, Dirk (ed.). "Modelado basado en agentes" . Autoorganización social : 25–70 .
  • Holland, John H. (1992). "Algoritmos genéticos". Scientific American . 267 (1): 66– 72. Bibcode : 1992SciAm.267a..66H . doi : 10.1038/scientificamerican0792-66 .
  • Holland, John H. (1 de septiembre de 1996). Orden oculto: Cómo la adaptación construye complejidad (1.ª  ed.). Reading, Mass.: Addison-Wesley. ISBN 978-0-201-44230-4.
  • Miller, John H.; Page, Scott E. (5 de marzo de 2007). Sistemas adaptativos complejos: Una introducción a los modelos computacionales de la vida social . Princeton, NJ: Princeton University Press. ISBN 978-0-691-12702-6.
  • Murthy, VK; Krishnamurthy, EV (2009). «Multiconjunto de agentes en una red para la simulación de sistemas complejos». Avances recientes en dinámica no lineal y sincronización . Estudios en inteligencia computacional. Vol.  254. pp. 153–200 . doi : 10.1007/978-3-642-04227-0_6 . ISBN  978-3-642-04226-3.
  • Naldi, G.; Pareschi, L .; Toscani, G. (2010). Modelado matemático del comportamiento colectivo en las ciencias socioeconómicas y de la vida . Birkhauser. ISBN 978-0-8176-4945-6Archivado del original el 1 de septiembre de 2012. Consultado el 28 de agosto de 2017 .
  • Onggo, BS; Karatas, M. (2016). "Modelado de simulación basado en pruebas: un estudio de caso con simulación de operaciones de búsqueda marítima basada en agentes" . European Journal of Operational Research . 254 (2): 517– 531. doi : 10.1016/j.ejor.2016.03.050 . Archivado del original el 30 de junio de 2020.
  • O'Sullivan, D.; Haklay, M. (2000). "Modelos basados ​​en agentes e individualismo: ¿El mundo se basa en agentes?" . Environment and Planning A (Manuscrito enviado). 32 (8): 1409– 1425. Bibcode : 2000EnPlA..32.1409O . doi : 10.1068/a32140 . S2CID 14131066 . Archivado del original el 4 de febrero de 2023 . Recuperado el 28 de octubre de 2018 . 
  • Preis, T.; Golke, S.; Paul, W.; Schneider, JJ (2006). "Modelo de libro de órdenes basado en multiagentes de los mercados financieros". Europhysics Letters . 75 (3): 510– 516. Bibcode : 2006EL.....75..510P . doi : 10.1209/epl/i2006-10139-0 . S2CID 56156905 . SSRN 2180442 .  
  • Rudomín, I.; Millán, E.; Hernández, BN (noviembre de 2005). "Shaders de fragmentos para animación de agentes usando máquinas de estados finitos". Simulation Modelling Practice and Theory . 13 (8): 741– 751. doi : 10.1016/j.simpat.2005.08.008 .
  • Salamon, Tomas (2011). Diseño de modelos basados ​​en agentes: Desarrollo de simulaciones informáticas para una mejor comprensión de los procesos sociales . Bruckner Publishing. ISBN 978-80-904661-1-1Archivado del original el 17 de marzo de 2012. Consultado el 22 de octubre de 2011 .
  • Sallach, David; Macal, Charles (2001). "La simulación de agentes sociales: una introducción". Social Science Computer Review . 19 (33): 245– 248. doi : 10.1177/089443930101900301 . S2CID 219971440 . 
  • Shoham, Yoav; Leyton-Brown, Kevin (2009). Sistemas multiagente: Fundamentos algorítmicos, de teoría de juegos y lógicos . Cambridge University Press. pág.  504. ISBN 978-0-521-89943-7Archivado del original el 1 de mayo de 2011. Consultado el 25 de febrero de 2009 .
  • Vidal, Jose (2010). "Fundamentos de sistemas multiagente usando NetLogo" (PDF) . Archivado (PDF) del original el 31 de marzo de 2020. Recuperado el 31 de mayo de 2020 .Disponible en línea.
  • Wilensky, Uri ; Rand, William (2015). Introducción al modelado basado en agentes: modelado de sistemas complejos naturales, sociales y de ingeniería con NetLogo . MIT Press. ISBN 978-0-2627-3189-8Archivado del original el 8 de junio de 2020. Consultado el 3 de mayo de 2020 .
  • Sabzian, Hossein; Shafia, Mohammad Ali (2018). "Una revisión de los conceptos de modelado basado en agentes (ABM) y algunas de sus principales aplicaciones en la ciencia de la gestión" . Revista Iraní de Estudios de Gestión . 11 (4): 659– 692. Archivado del original el 24 de abril de 2021. Recuperado el 7 de abril de 2021 .

Artículos/Información general

  • Modelos de redes sociales basados ​​en agentes, applets de Java.
  • Guía en línea para principiantes en el modelado basado en agentes en las ciencias sociales
  • Introducción al modelado y la simulación basados ​​en agentes . Laboratorio Nacional Argonne , 29 de noviembre de 2006.
  • Modelos basados ​​en agentes en ecología: uso de modelos informáticos como herramientas teóricas para analizar sistemas ecológicos complejos.
  • Preguntas frecuentes sobre modelado basado en agentes de la Red para el Modelado Computacional en las Ciencias Sociales y Ecológicas
  • Sistemas de Información Multiagente – Artículo sobre la convergencia de SOA, BPM y la tecnología multiagente en el ámbito de los sistemas de información empresarial. José Manuel Gómez Álvarez, Inteligencia Artificial, Universidad Politécnica de Madrid – 2006
  • Marco de Vida Artificial
  • Artículo que proporciona una metodología para trasladar comportamientos humanos del mundo real a un modelo de simulación donde se representan los comportamientos de los agentes.
  • Recursos de modelado basado en agentes , un centro de información para modeladores, métodos y filosofía del modelado basado en agentes.
  • Un modelo basado en agentes del desplome bursátil repentino del 6 de mayo de 2010, con implicaciones políticas , Tommi A. Vuorenmaa (Valo Research and Trading), Liang Wang (Universidad de Helsinki - Departamento de Informática), octubre de 2013.
  • ABM basado en agentes frente a ABM tradicional , Equipo de RevGeni, febrero de 2026

Modelos de simulación

Lecturas relacionadas
6 articulos
Modelo computacionalModelo computacionalUn modelo computacional utiliza programas de computadora para simular y estudiar sistemas complejos [1] utilizando un enfoque algorítmico o mecanic...Simulación por computadoraSimulación por computadoraLa simulación por computadora es la ejecución de un modelo matemático en una computadora , el modelo está diseñado para representar el comportamien...Agente autónomoAgente autónomoExisten diversas definiciones de agente autónomo . Según Brustoloni (1991)Teoría de juegosTeoría de juegosLa teoría de juegos es el estudio de modelos matemáticos de interacciones estratégicas. [1] Tiene aplicaciones en muchos campos de las ciencias soc...Sistema complejoSistema complejoInteligencia colectiva Acción colectiva Criticidad autoorganizada Mentalidad de rebaño Transición de fase Modelado basado en agentes Sincronización...ApariciónApariciónInteligencia colectiva Acción colectiva Criticidad autoorganizada Mentalidad de rebaño Transición de fase Modelado basado en agentes Sincronización...