Hispanopedia Wiki
Articulo de referencia

Agent-based model

An agent-based model ( ABM ) is a computational model for simulating the actions and interactions of an autonomous agent (both individual or collective entities such as organiza...

Hispanopedia WikiContenido en espanolLectura gratuita

An agent-based model (ABM) is a computational model for simulating the actions and interactions of an autonomous agent (both individual or collective entities such as organizations or groups) to understand the behavior of a system and what governs its outcomes. It combines elements of game theory, complex systems, emergence, computational sociology, multi-agent systems, and evolutionary programming. Monte Carlo methods are used to understand the stochasticity of these models. Particularly within ecology, an ABM is also called an individual-based model (IBM).[1] A review of literature on individual-based models, agent-based models, and multiagent systems shows that ABMs are used in many scientific domains including biology, ecology, and social science.[2] Agent-based modeling is related to, but distinct from, the concept of a multi-agent system .[2]

An agent-based model is a type of microscale model[3] that simulates the simultaneous operations and interactions of multiple agents in an attempt to re-create and predict the appearance of complex phenomena. The process is one of emergence, which some express as "the whole is greater than the sum of its parts". In other words, higher-level system properties emerge from the interactions of lower-level subsystems. Or, macro-scale state changes emerge from micro-scale agent behaviors. Or, simple behaviors (meaning rules followed by agents) generate complex behaviors (meaning state changes at the whole system level).

An individual agent is typically characterized as boundedly rational, presumed to be acting in what it perceives as its their own interests, such as reproduction, economic benefit, or social status,[4] using heuristics or simple decision-making rules. An ABM agent may experience "learning", adaptation, and reproduction.[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 ]

In the late 1990s, the merger of TIMS and ORSA to form INFORMS, and the move by INFORMS from two meetings each year to one, helped to spur the CMOT group to form a separate society, the North American Association for Computational Social and Organizational Sciences (NAACSOS). Kathleen Carley was a major contributor, especially to models of social networks, obtaining National Science Foundation funding for the annual conference and serving as the first president of NAACSOS. She was succeeded by David Sallach of the University of Chicago and Argonne National Laboratory, and then by Michael Prietula of Emory University. At about the same time NAACSOS began, the European Social Simulation Association (ESSA) and the Pacific Asian Association for Agent-Based Approach in Social Systems Science (PAAA), counterparts of NAACSOS, were organized. As of 2013, these three organizations collaborate internationally. The First World Congress on Social Simulation was held under their joint sponsorship in Kyoto, Japan, in August 2006. The Second World Congress was held in the northern Virginia suburbs of Washington, D.C., in July 2008, with George Mason University taking the lead role in local arrangements.

2000s

More recently, Ron Sun developed methods for basing agent-based simulation on models of human cognition, known as cognitive social simulation.[18] Bill McKelvey, Suzanne Lohmann, Dario Nardi, Dwight Read and others at UCLA have also made significant contributions in organizational behavior and decision-making. Since 1991, UCLA has arranged a conference at Lake Arrowhead, California, that has become another major gathering point for practitioners in this field.[19]

2020 and later

After the advent of large language models, researchers began applying interacting language models to agent based modeling. In one widely cited paper, agentic language models interacted in a sandbox environment to perform activities like planning birthday parties and holding elections.[20]

Theory

Most computational modeling research describes systems in equilibrium or as moving between equilibria. Agent-based modeling, however, using simple rules, can result in different sorts of complex and interesting behavior. The three ideas central to agent-based models are agents as objects, emergence, and complexity.

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. Exploratory Agent-based Modeling Level for developing agent-based models for assessing the feasibility of further research. This can e.g. be useful for developing proof-of-concept models such as for funding applications without requiring an extensive learning curve for the researchers.
  3. Descriptive Agent-based Modeling (DREAM) for developing descriptions of agent-based models by means of using templates and complex network-based models. Building DREAM models allows model comparison across scientific disciplines.
  4. Validated agent-based modeling using Virtual Overlay Multiagent system (VOMAS) for the development of verified and validated models in a formal manner.

Other methods of describing agent-based models include code templates[24] and text-based methods such as the ODD (Overview, Design concepts, and Design Details) protocol.[25]

The role of the environment where agents live, both macro and micro,[26] is also becoming an important factor in agent-based modelling and simulation work. Simple environment affords simple agents, but complex environments generate diversity of behavior.[27]

Multi-scale modelling

One strength of agent-based modelling is its ability to mediate information flow between scales. When additional details about an agent are needed, a researcher can integrate it with models describing the extra details. When one is interested in the emergent behaviours demonstrated by the agent population, they can combine the agent-based model with a continuum model describing population dynamics. For example, in a study about CD4+ T cells (a key cell type in the adaptive immune system),[28] the researchers modelled biological phenomena occurring at different spatial (intracellular, cellular, and systemic), temporal, and organizational scales (signal transduction, gene regulation, metabolism, cellular behaviors, and cytokine transport). In the resulting modular model, signal transduction and gene regulation are described by a logical model, metabolism by constraint-based models, cell population dynamics are described by an agent-based model, and systemic cytokine concentrations by ordinary differential equations. In this multi-scale model, the agent-based model occupies the central place and orchestrates every stream of information flow between scales.

Applications

In biology

Agent-based modeling has been used extensively in biology, including the analysis of the spread of epidemics,[29] and the threat of biowarfare, biological applications including population dynamics,[30] stochastic gene expression,[31] plant-animal interactions,[32] vegetation ecology,[33] migratory ecology,[34]impact assessments,[35] landscape diversity,[36]sociobiology,[37] the growth and decline of ancient civilizations, evolution of ethnocentric behavior,[38] forced displacement/migration,[39] language choice dynamics,[40]cognitive modeling, and biomedical applications including modeling 3D breast tissue formation/morphogenesis,[41] the effects of ionizing radiation on mammary stem cell subpopulation dynamics,[42] inflammation,[43][44] and the human immune system,[45] and the evolution of foraging behaviors.[46] Agent-based models have also been used for developing decision support systems such as for breast cancer.[47] Agent-based models are increasingly being used to model pharmacological systems in early stage and pre-clinical research to aid in drug development and gain insights into biological systems that would not be possible a priori.[48] Military applications have also been evaluated.[49] Moreover, agent-based models have been recently employed to study molecular-level biological systems.[50][51][52] Agent-based models have also been written to describe ecological processes at work in ancient systems, such as those in dinosaur environments and more recent ancient systems as well.[53][54][55]

In epidemiology

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. discussed the application of agent-based approaches for the development and validation of automated driving systems via a digital twin of the vehicle-under-test and microscopic traffic simulation based on independent agents.[100]Waymo has created a multi-agent simulation environment Carcraft to test algorithms for self-driving cars.[101][102] It simulates traffic interactions between human drivers, pedestrians and automated vehicles. People's behavior is imitated by artificial agents based on data of real human behavior. The basic idea of using agent-based modeling to understand self-driving cars was discussed as early as 2003.[103]

Implementation

Many ABM frameworks are designed for serial von-Neumann computer architectures, limiting the speed and scalability of implemented models. Since emergent behavior in large-scale ABMs is dependent of population size,[104] scalability restrictions may hinder model validation.[105] Such limitations have mainly been addressed using distributed computing, with frameworks such as Repast HPC[106] specifically dedicated to these types of implementations. While such approaches map well to cluster and supercomputer architectures, issues related to communication and synchronization,[107][108] as well as deployment complexity,[109] remain potential obstacles for their widespread adoption.

A recent development is the use of data-parallel algorithms on Graphics Processing Units GPUs for ABM simulation.[104][110][111] The extreme memory bandwidth combined with the sheer number crunching power of multi-processor GPUs has enabled simulation of millions of agents at tens of frames per second.

Integration with other modeling forms

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

References

  1. ↑Grimm, Volker; Railsback, Steven F. (2005). Individual-based Modeling and Ecology. Princeton University Press. p. 485. ISBN 978-0-691-09666-7.
  2. 12Niazi, Muaz; Hussain, Amir (2011). "Agent-based Computing from Multi-agent Systems to Agent-Based Models: A Visual Survey"(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. Archived from the original(PDF) on October 12, 2013.
  3. ↑Gustafsson, Leif; Sternad, Mikael (2010). "Consistent micro, macro, and state-based population modelling". Mathematical Biosciences. 225 (2): 94–107. doi:10.1016/j.mbs.2010.02.003. PMID 20171974.
  4. ↑"Agent-Based Models of Industrial Ecosystems". Rutgers University. October 6, 2003. Archived from the original on July 20, 2011.
  5. ↑Bonabeau, E. (May 14, 2002). "Agent-based modeling: Methods and techniques for simulating human systems". Proceedings of the National Academy of Sciences of the United States of America. 99 (Suppl 3): 7280–87. Bibcode:2002PNAS...99.7280B. doi:10.1073/pnas.082080899. PMC 128598. PMID 12011407.
  6. ↑Berto, Francesco; Tagliabue, Jacopo (2023). "Cellular Automata". Stanford Encyclopedia of Philosophy. Stanford University Press.
  7. ↑Cole Stryker (2025). "The evolution of AI agents". IBM. Retrieved February 22, 2026.
  8. ↑Schelling, Thomas C. (1971). "Dynamic Models of Segregation"(PDF). Journal of Mathematical Sociology. 1 (2): 143–186. doi:10.1080/0022250x.1971.9989794. Archived(PDF) from the original on December 1, 2016. Retrieved April 21, 2015.
  9. ↑Hogeweg, Paulien (1983). "The ontogeny of the interaction structure in bumble bee colonies: a MIRROR model". Behavioral Ecology and Sociobiology. 12 (4): 271–283. Bibcode:1983BEcoS..12..271H. doi:10.1007/BF00302895. S2CID 22530183.
  10. ↑Axelrod, Robert (1997). The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration. Princeton: Princeton University Press. ISBN 978-0-691-01567-5.{{cite book}}: CS1 maint: publisher location (link)
  11. 12Kohler, Timothy; Gumerman, George (2000). Dynamics in Human and Primate Societies: Agent-based Modeling of Social and Spatial Processes. New York, New York: Santa Fe Institute and Oxford University Press. ISBN 0-19-513167-3.
  12. ↑Epstein, Joshua M.; Axtell, Robert (October 11, 1996). Growing artificial societies: social science from the bottom up. Brookings Institution Press. pp. 224. ISBN 978-0-262-55025-3.
  13. ↑"Construct". Computational Analysis of Social Organizational Systems. Archived from the original on October 11, 2008. Retrieved February 19, 2008.
  14. ↑"Springer Complex Adaptive Systems Modeling Journal (CASM)". Archived from the original on June 18, 2012. Retrieved July 1, 2012.
  15. ↑Samuelson, Douglas A. (December 2000). "Designing Organizations". OR/MS Today. Archived from the original on June 17, 2019. Retrieved June 17, 2019.
  16. ↑Samuelson, Douglas A. (February 2005). "Agents of Change". OR/MS Today. Archived from the original on June 17, 2019. Retrieved June 17, 2019.
  17. ↑Samuelson, Douglas A.; Macal, Charles M. (August 2006). "Agent-Based Modeling Comes of Age". OR/MS Today. Archived from the original on June 17, 2019. Retrieved June 17, 2019.
  18. ↑Sun, Ron, ed. (March 2006). Cognition and Multi-Agent Interaction: From Cognitive Modeling to Social Simulation. Cambridge University Press. ISBN 978-0-521-83964-8.
  19. ↑"UCLA Lake Arrowhead Symposium: History". uclaarrowheadsymposium.org. UCLA Institute of Transportation Studies. Retrieved February 11, 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). "An agent-based framework for performance modeling of an optimistic parallel discrete event simulator". Complex Adaptive Systems Modeling. 1 12. doi:10.1186/2194-3206-1-12.
  22. ↑Niazi, Muaz A. K. (June 30, 2011). "Towards A Novel Unified Framework for Developing Formal, Network and Validated Agent-Based Simulation Models of Complex Adaptive Systems". hdl:1893/3365.{{cite journal}}: Cite journal requires |journal= (help) (PhD Thesis)
  23. ↑Niazi, M.A. and Hussain, A (2012), Cognitive Agent-based Computing-I: A Unified Framework for Modeling Complex Adaptive Systems using Agent-based & Complex Network-based Methods Cognitive Agent-based ComputingArchived December 24, 2012, at the Wayback Machine
  24. ↑"Swarm code templates for model comparison". Swarm Development Group. Archived from the original on August 3, 2008.
  25. ↑Volker Grimm; Uta Berger; Finn Bastiansen; et al. (September 15, 2006). "A standard protocol for describing individual-based and agent-based models". Ecological Modelling. 198 (1–2): 115–126. Bibcode:2006EcMod.198..115G. doi:10.1016/j.ecolmodel.2006.04.023. S2CID 11194736. (ODD Paper)
  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 Evidencias 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 W. S.; Hadzibeganovic, Tarik; Stauffer, Dietrich (2009). "Evolution of ethnocentrism on undirected and directed Barabási–Albert networks". 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 (June 9, 2009). The Chaos of Forced Migration: A Modeling Means to an Humanitarian End. VDM Verlag. p. 168. ISBN 978-3-639-16516-6.
  40. ↑Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, Christian (2009). "Agent-based computer simulations of language choice dynamics". Annals of the New York Academy of Sciences. 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). "Phenotypic transition maps of 3D breast acini obtained by imaging-guided agent-based modeling". Integrative Biology. 3 (4): 408–21. doi:10.1039/c0ib00092b. PMC 4009383. PMID 21373705.
  42. ↑Tang, Jonathan; Fernando-Garcia, Ignacio; Vijayakumar, Sangeetha; Martinez-Ruis, Haydeliz; Illa-Bochaca, Irineu; Nguyen, David; Mao, Jian-Hua; Costes, Sylvain; Barcellos-Hoff, Mary Helen (2014). "Irradiation of juvenile, but not adult, mammary gland increases stem cell self-renewal and estrogen receptor negative tumors". Stem Cells. 32 (3): 649–61. doi:10.1002/stem.1533. PMID 24038768. S2CID 32979016.
  43. ↑Tang, Jonathan; Ley, Klaus; Hunt, C. Anthony (2007). "Dynamics of in silico leukocyte rolling, activation, and adhesion". BMC Systems Biology. 1 (14): 14. doi:10.1186/1752-0509-1-14. PMC 1839892. PMID 17408504.
  44. ↑Tang, Jonathan; Hunt, C. Anthony (2010). "Identifying the rules of engagement enabling leukocyte rolling, activation, and adhesion". 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). Immune System Modeling and Simulation. CRC Press, Boca Raton. p. 274. ISBN 978-1-4665-9748-8. Archived from the original on February 4, 2023. Retrieved December 17, 2017.
  46. ↑Liang, Tong; Brinkman, Braden A. W. (March 14, 2022). "Evolution of innate behavioral strategies through competitive population dynamics". 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). "A new hybrid agent-based modeling & simulation decision support system for breast cancer data analysis"(PDF). 2009 International Conference on Information and Communication Technologies. pp. 134–139. doi:10.1109/ICICT.2009.5267202. ISBN 978-1-4244-4608-7. S2CID 14433449. Archived from the original(PDF) on June 14, 2011. (Breast Cancer DSS)
  48. ↑Butler, James; Cosgrove, Jason; Alden, Kieran; Read, Mark; Kumar, Vipin; Cucurull-Sanchez, Lourdes; Timmis, Jon; Coles, Mark (2015). "Agent-Based Modeling in Systems Pharmacology". CPT: Pharmacometrics & Systems Pharmacology. 4 (11): 615–629. doi:10.1002/psp4.12018. PMC 4716580. PMID 26783498.
  49. ↑Barathy, Gnana; Yilmaz, Levent; Tolk, Andreas (March 2012). "Agent Directed Simulation for Combat Modeling and Distributed Simulation". Engineering Principles of Combat Modeling and Distributed Simulation. Hoboken, NJ: Wiley. pp. 669–714. doi:10.1002/9781118180310.ch27. ISBN 978-1-118-18031-0.
  50. ↑Azimi, Mohammad; Jamali, Yousef; Mofrad, Mohammad R. K. (2011). "Accounting for Diffusion in Agent Based Models of Reaction-Diffusion Systems with Application to Cytoskeletal Diffusion". PLOS ONE. 6 (9) e25306. Bibcode:2011PLoSO...625306A. doi:10.1371/journal.pone.0025306. PMC 3179499. PMID 21966493.
  51. ↑Azimi, Mohammad; Mofrad, Mohammad R. K. (2013). "Higher Nucleoporin-Importinβ Affinity at the Nuclear Basket Increases Nucleocytoplasmic Import". 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 R. K. (November 5, 2014). "An agent-based model for mRNA export through the nuclear pore complex". Molecular Biology of the Cell. 25 (22): 3643–3653. doi:10.1091/mbc.E14-06-1065. PMC 4230623. PMID 25253717.
  53. ↑Pahl, Cameron C.; Ruedas, Luis (2021). "Carnosaurs as Apex Scavengers: Agent-based simulations reveal possible vulture analogues in late Jurassic Dinosaurs". Ecological Modelling. 458 109706. Bibcode:2021EcMod.45809706P. doi:10.1016/j.ecolmodel.2021.109706.
  54. ↑Volmer; et al. (2017). "Did Panthera pardus (Linnaeus, 1758) become extinct in Sumatra because of competition for prey? Modeling interspecific competition within the Late Pleistocene carnivore guild of the Padang Highlands, 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: A general engine for eco-evolutionary simulations of the processes that shape Earth's biodiversity". PLOS Biology. 19 (7) e3001340. doi:10.1371/journal.pbio.3001340. PMC 8384074. PMID 34252071. S2CID 235807562.
  56. ↑Eisinger, Dirk; Thulke, Hans-Hermann (April 1, 2008). "Spatial pattern formation facilitates eradication of infectious diseases". 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 (March 26, 2019). Agent-Based and Individual-Based Modeling. Princeton University Press. ISBN 978-0-691-19082-2. Archived from the original on October 24, 2020. Retrieved October 19, 2020.
  58. ↑Adam, David (April 2, 2020). "Special report: The simulations driving the world's response to 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 Álamos (LANL), Los Álamos, Nuevo México, Estados Unidos, doi : 10.2172/1783478 , OSTI 1783478  
  64. ↑Kerr, Cliff; et al. (2021), "Covasim: an agent-based model of COVID-19 dynamics and interventions", 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—An agent-based model for non-pharmaceutical interventions against COVID-19 including contact tracing", PLOS Computational Biology, 17 (7) e1009146, Bibcode:2021PLSCB..17E9146H, doi:10.1371/journal.pcbi.1009146, PMC 8328312, PMID 34252083
  66. ↑Aylett-Bullock, Joseph; Cuesta-Lazaro, Carolina; Quera-Bofarull, Arnau; Icaza-Lizaola, Miguel; Sedgewick, Aidan; Truong, Henry; Curran, Aoife; Elliott, Edward; Caulfield, Tristan; Fong, Kevin; Vernon, Ian; Williams, Julian; Bower, Richard; Krauss, Frank (2021), "JUNE: open-source individual-based epidemiology simulation", 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), "Bayesian emulation and history matching of 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), "Impact of vaccination and non-pharmaceutical interventions on SARS-CoV-2 dynamics in Switzerland", 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 (November 2015). "Using Agent-Based Modeling for Water Resources Planning and Management". Journal of Water Resources Planning and Management. 141 (11) 04015025. Bibcode:2015JWRPM.14100544B. doi:10.1061/(ASCE)WR.1943-5452.0000544. ISSN 0733-9496. Archived from the original on January 19, 2022. Retrieved September 18, 2021.
  98. ↑Giuliani, M.; Castelletti, A. (July 2013). "Assessing the value of cooperation and information exchange in large water resources systems by agent-based optimization: MAS Framework for Large Water Resources Systems". Water Resources Research. 49 (7): 3912–3926. doi:10.1002/wrcr.20287. S2CID 128659104.
  99. ↑"Agent-Directed Simulation". Archived from the original on September 27, 2011. Retrieved August 9, 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, Story by Alexis C. "Inside Waymo's Secret World for Training Self-Driving Cars". The Atlantic. Archived from the original on August 14, 2020. Retrieved August 14, 2020.
  102. ↑Connors, J.; Graham, S.; Mailloux, L. (2018). "Cyber Synthetic Modeling for Vehicle-to-Vehicle Applications". International Conference on Cyber Warfare and Security. Academic Conferences International Limited: 594-XI.
  103. ↑Yang, Guoqing; Wu, Zhaohui; Li, Xiumei; Chen, Wei (2003). "SVE: Embedded agent based smart vehicle environment". Proceedings of the 2003 IEEE International Conference on Intelligent Transportation Systems. Vol. 2. pp. 1745–1749 vol.2. doi:10.1109/ITSC.2003.1252782. ISBN 0-7803-8125-4. S2CID 110177067.
  104. 12Lysenko, Mikola; D'Souza, Roshan M. (2008). "A Framework for Megascale Agent Based Model Simulations on Graphics Processing Units". Journal of Artificial Societies and Social Simulation. 11 (4): 10. ISSN 1460-7425. Archived from the original on April 26, 2019. Retrieved April 16, 2019.
  105. ↑Gulyás, László; Szemes, Gábor; Kampis, George; de Back, Walter (2009). "A Modeler-Friendly API for ABM Partitioning". Proceedings of the ASME 2009 International Design Engineering Technical Conferences & Computers and Information in Engineering Conference IDETC/CIE 2009. 2. San Diego, California, US: 219–226. Archived from the original on April 16, 2019. Retrieved April 16, 2019.
  106. ↑Collier, N.; North, M. (2013). "Parallel agent-based simulation with Repast for High Performance Computing". Simulation. 89 (10): 1215–1235. doi:10.1177/0037549712462620. S2CID 29255621.
  107. ↑Fujimoto, R. (2015). "Parallel and distributed simulation". 2015 Winter Simulation Conference (WSC). Huntington Beach, CA, US. pp. 45–59. doi:10.1109/WSC.2015.7408152. ISBN 978-1-4673-9743-8. S2CID 264924790. Archived from the original on February 4, 2023. Retrieved September 6, 2020.{{cite book}}: CS1 maint: location missing publisher (link)
  108. ↑Shook, E.; Wang, S.; Tang, W. (2013). "A communication-aware framework for parallel spatially explicit agent-based models". 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). Design of Agent-Based Models: Developing Computer Simulations for a Better Understanding of Social Processes. Bruckner Publishing. ISBN 978-80-904661-1-1. Archived from the original on March 17, 2012. Retrieved October 22, 2011.
  • Sallach, David; Macal, Charles (2001). "The simulation of social agents: an introduction". Social Science Computer Review. 19 (33): 245–248. doi:10.1177/089443930101900301. S2CID 219971440.
  • Shoham, Yoav; Leyton-Brown, Kevin (2009). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge University Press. p. 504. ISBN 978-0-521-89943-7. Archived from the original on May 1, 2011. Retrieved February 25, 2009.
  • Vidal, Jose (2010). "Fundamentals of Multiagent Systems Using NetLogo"(PDF). Archived(PDF) from the original on March 31, 2020. Retrieved May 31, 2020. Available online.
  • Wilensky, Uri; Rand, William (2015). An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo. MIT Press. ISBN 978-0-2627-3189-8. Archived from the original on June 8, 2020. Retrieved May 3, 2020.
  • Sabzian, Hossein; Shafia, Mohammad Ali (2018). "A review of agent-based modeling (ABM) concepts and some of its main applications in management science". Iranian Journal of Management Studies. 11 (4): 659–692. Archived from the original on April 24, 2021. Retrieved April 7, 2021.

Articles/general information

  • Agent-based models of social networks, java applets.
  • On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences
  • Introduction to Agent-based Modeling and Simulation. Argonne National Laboratory, November 29, 2006.
  • Agent-based models in Ecology – Using computer models as theoretical tools to analyze complex ecological systems
  • Network for Computational Modeling in the Social and Ecological Sciences' Agent Based Modeling FAQ
  • Multiagent Information Systems – Article on the convergence of SOA, BPM and Multi-Agent Technology in the domain of the Enterprise Information Systems. Jose Manuel Gomez Alvarez, Artificial Intelligence, Technical University of Madrid – 2006
  • Artificial Life Framework
  • Article providing methodology for moving real world human behaviors into a simulation model where agent behaviors are represented
  • Agent-based Modeling Resources, an information hub for modelers, methods, and philosophy for agent-based modeling
  • An Agent-Based Model of the Flash Crash of May 6, 2010, with Policy Implications, Tommi A. Vuorenmaa (Valo Research and Trading), Liang Wang (University of Helsinki - Department of Computer Science), October, 2013
  • Agentic ABM vs Traditional ABM, RevGeni Team, Feb, 2026

Simulation models