Agent建模讲义：复杂系统与Agent模型

Agent建模讲义：复杂系统与Agent模型

Agent建模（ABM）是一种基于主体的建模方法，主要关注系统中个体（主体）之间的互动及其对系统整体行为的影响。这种方法在复杂系统研究中具有重要地位，能够帮助研究者理解微观个体行为与宏观现象之间的关系。本文将介绍ABM的基本概念、发展历程及其在现代科学研究中的应用。

科学研究范式的发展

科学研究范式经历了四个主要发展阶段：

1. 实验科学范式：以实验观察为基础，通过控制变量来验证假设。
2. 理论科学范式：通过数学模型和理论推导来解释自然现象。
3. 计算科学范式：利用计算机进行大规模数据处理和模拟实验。
4. 数据密集型科学范式：以大数据分析为核心，通过数据挖掘和机器学习来发现规律。

Agent建模的起源与发展

ABM最早可以追溯到20世纪中后期，当时科学家们开始探索经济学、社会科学及工程领域中的复杂系统和复杂现象。例如，阿瑟领导开发的人工股票市场模型、谢林的居住隔离模型、朗顿的人工生命模型等都是在这一时期提出和发展起来的。

Agent建模的核心优势

ABM的核心优势在于：

• 自底向上的涌现：通过模拟个体行为来观察系统整体的复杂现象。
• 仿真模拟：能够在虚拟环境中进行低成本、可控性的实验。
• 适应性：主体能够根据环境变化调整自身行为。

NetLogo软件简介

NetLogo是由美国西北大学Uri Wilensky教授团队开发的一款开源ABM软件，具有以下特点：

• 用户友好：界面简单清晰，编程语法接近自然语言。
• 丰富的案例库：涵盖生物、化学、复杂网络、社会科学等多个领域。
• 强大的功能：支持实验设计、分布式仿真、系统动力学建模等。

NetLogo模型库

NetLogo的模型库包括以下几类：

• 示例类模型：经过严格审查，具有规范的程序代码和详细说明文档。
• 未经验证的模型：程序代码和说明文档齐备，但需要进一步审查。
• 教学类模型：与CCL的教学课程相关。
• 代码示例：针对特定功能和编程技术的简要说明。
• HubNet活动：用于分布式或参与式仿真架构的编程实现。
• IABM教材：包含经典教材《基于主体的建模概论》的配套模型案例。
• 交互可视化：展示多主体仿真模型的可视化设计准则。
• 扩展管理：包含针对NetLogo扩展的应用模型案例。

简单随机游走的NetLogo仿真建模示例

模型世界的初始化

1. 保持模型世界world的默认设置不变，添加setup和go按钮控件。
2. 创建全局变量end-time，并设置其类型为数值型。
3. 在程序代码窗口中键入setup过程的程序代码：

to setup  
  clear-all  
  ask patches with [ pxcor= 0 and pycor = 0 ]  
    [ set pcolor red ]         ;; 设置Patch(0,0)的颜色属性为红色，以标识Turtle（酒鬼）主体的初始位置  
  create-turtles 1             ;; 创建Turtle（酒鬼）主体  
   [ set shape "person"        ;; 设置形状属性  
     set color yellow          ;; 设置颜色属性  
     pen-down]                 ;; 设置变量pen-mode取值为down，显示Turtle主体运动轨迹  
  reset-ticks                  ;; 重置时间计数器ticks  
end  

刻画随机行走的酒鬼

1. go过程的核心任务是在每一仿真时刻，通过使用原语ask令Turtle（酒鬼）主体随机地选择某一朝向，然后向前方行进1步。
2. 在go过程的开始位置使用原语if定义了一个条件执行语句，借助于输入框控件创建的全局变量end-time，当仿真时钟ticks >= end-time时，调用原语stop强制中断程序代码执行。
3. go过程的完整程序代码如下：

to go  
  if ticks >= end-time [ stop]  
  ask turtles [ right random 360         ;; 将Turtle主体的朝向随机地旋转某一角度  
                forward 1 ]             ;; 向前方行进一步  
  tick  
end  

通过多次运行仿真程序，可以统计计算给出经历一段仿真时间后，酒鬼（Turtle）出现在某个地方的频度（概率）。