Agent-Based Modeling(ABM) -1

1.简介

Agent-Based Modeling(ABM)广泛的运用于Complex Sysyems，例如ecosystems，economies，immune system， stock market等等。其中agent是一个匿名的个体（autonomous individual element）并具备一些属性（properties)和行为(action). ABM是一个从微观到宏观的过程，通过计算机模拟提取理论 (theory)和提出可检验，可证伪的假设(hypothesis)。它不仅可以对现象提出预测性假设，还可以通过理论解释现象和现象的成因。

ABM有许多有意思的模型，比方说这个狼和羊（wolf and sheep)的模型。在初始状态下，狼和羊的数量是相同的，并且羊和狼都是随机分布的（图1）只要狼移动到羊的边上就可以吃掉羊，狼和羊都是有能量值的，狼通过吃掉羊维持能量并繁衍后代，羊吃草维持能量繁衍后代，羊被吃后能量为0。随着时间的流逝，羊和狼的数量都在增加（图2），渐渐的由于狼群有足够的食物，狼的数量越来越多（图3），但是由于没有羊，狼没有食物，狼的数量又开始减少（图4）。

ABM的研究方式是设置和调整个体水平上的代理的行为和互动模式，而后观察集体水平上的总体特征的改变。这种研究方式是独一无二的，也是ABM的核心优势。它允许我们在代理人(如在现实生活里一样)不断的交锋和互动中，检验集体水平的结果。我们能够直接观察到个体行为后果的跨水平改变，打通个体水平变量对集体水平变量影响的通道，不将研究者局限在某一个水平的分析上。

2. 什么是复杂系统（complex system）

复杂系统由多个相互作用的部分组成，复杂系统是自身难以直接建模的系统，因为系统组成元素之间以及系统和环境之间存在依赖、竞争、关联等复杂的相互作用。系统之所以“复杂”，是因为在这些相互作用中会产生如非线性 （nonlinearity）、涌现 （emergence）、自发秩序 （spontaneous order) 、适应性 （adaptation）以及反馈回路（ feedback loops）等特殊性质。
杠杆点（leverage points） 在复杂系统中是一个重要的概念， 它代表着在系统中的某处施加一个小的变化，就能导致系统行为显著的转变，产生一系列重大变化， 可以理解为蝴蝶效应。

3.什么时候使用ABM

1）中等数量 (Medium Numbers)
2）异质性 (Heterogeneity)
3) 复杂但是局部相互作用
4）丰富的环境（Rich Environments）
5）时间（Time）
6）适应性（Adaptation）

4. ABM和其他方法的比较

Agent-Based Modeling (ABM) vs. Equation-Based Modeling (EBM)

• EBM很多都做了同质性（homogeneity）的假设
• EBM通常的连续的而非离散的
• EBM不提供本地（local）的细节
• EBM是Top-Down（自上而下），而ABM是Bottom-Up（自下而上）
• ABM可以从分析模型中建立，并可以补充EBM

ABM and 统计模型（Statistical Modeling）

• 统计模型需要有正确的数据类型并且很难与第一性原理和行为理论联系起来

ABM vs. 实验（Lab Experiments）

• 实验可以产生理论，但是很难扩大规模
• ABM可以从实验数据结果或者现象中创建从而探索实验的宏观意义，产生新的假设以及确定结果的敏感性

5. ABM使用限制（limitation）

1）高计算成本
2）多个自由参数（free parameters）
3) 需要个人层面的行为知识