Un modelo basado en agentes ( ABM ) es una clase de modelos computacionales para simular las acciones e interacciones de agentes autónomos (tanto entidades individuales como colectivas, como organizaciones o grupos) con el fin de evaluar sus efectos en el sistema en su conjunto. Combina elementos de teoría de juegos , sistemas complejos , emergencia , sociología computacional , sistemas multiagente y programación evolutiva . Los métodos de Monte Carlo se utilizan para introducir la aleatoriedad. Particularmente dentro de la ecología, los ABM también se denominan modelos basados en individuos.( IBM ), [1] y las personas dentro de las IBM pueden ser más simples que los agentes completamente autónomos dentro de los ABM. Una revisión de la literatura reciente sobre modelos basados en individuos, modelos basados en agentes y sistemas de agentes múltiples muestra que los ABM se utilizan en dominios científicos no relacionados con la informática, como la biología , la ecología y las ciencias sociales . [2] El modelado basado en agentes está relacionado, pero es distinto, al concepto de sistemas de múltiples agentes o simulación de múltiples agentes en el sentido de que el objetivo de ABM es buscar una visión explicativa del comportamiento colectivo de los agentes que obedecen reglas simples, típicamente en sistemas naturales, en lugar de diseñar agentes o resolver problemas prácticos o de ingeniería específicos. [2]
Los modelos basados en agentes son una especie de modelo a microescala [3] que simula las operaciones e interacciones simultáneas de múltiples agentes en un intento 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 del sistema de nivel superior surgen de las interacciones de subsistemas de nivel inferior. O los cambios de estado a gran escala surgen de los comportamientos de los agentes a microescala. O los comportamientos simples (es decir, las reglas seguidas por los agentes) generan comportamientos complejos (es decir, cambios de estado en todo el sistema).
Los agentes individuales se caracterizan típicamente como racionales limitados , presumiblemente actuando en lo que perciben como sus propios intereses, como la reproducción, el beneficio económico o el estatus social, [4] utilizando heurísticas o reglas simples de toma de decisiones. Los agentes ABM pueden experimentar "aprendizaje", adaptación y reproducción. [5]
La mayoría de los modelos basados en agentes se componen de: (1) numerosos agentes especificados en varias escalas (normalmente denominados granularidad de agentes); (2) heurística de toma de decisiones; (3) reglas de aprendizaje o procesos adaptativos; (4) una topología de interacción ; y (5) un medio ambiente. Los ABM generalmente se implementan como simulaciones por computadora , ya sea como software personalizado o mediante kits de herramientas de ABM, y este software se puede usar para probar cómo los cambios en los comportamientos individuales afectarán el comportamiento general emergente del sistema.
Historia
La idea del modelado basado en agentes se desarrolló como un concepto relativamente simple a fines de la década de 1940. Dado que requiere procedimientos intensivos en computación, no se generalizó hasta la década de 1990.
Desarrollos tempranos
La historia del modelo basado en agentes se remonta a la máquina de Von Neumann , una máquina teórica capaz de reproducirse. El dispositivo que propuso von Neumann seguiría instrucciones precisas y detalladas para crear una copia de sí mismo. El concepto fue luego construido por el amigo de von Neumann, Stanislaw Ulam , 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 elaboró, creando el primero de los dispositivos que luego se denominaron autómatas celulares . Otro avance fue introducido por el matemático John Conway . Construyó el conocido Game of Life . A diferencia de la máquina de von Neumann, el Juego de la vida de Conway operaba con reglas simples en un mundo virtual en 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 de 1970, fue el primer marco para automatizar las simulaciones de agentes paso a paso.
Décadas de 1970 y 1980: los primeros modelos
Uno de los primeros modelos conceptuales basados en agentes fue el modelo de segregación de Thomas Schelling , [6] 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 encarnaba el concepto básico de modelos basados en agentes como agentes autónomos que interactúan en un entorno compartido con un resultado emergente agregado observado.
A principios de la década de 1980, Robert Axelrod organizó un torneo de estrategias de Prisoner's Dilemma y los hizo interactuar de una manera basada en agentes para determinar un ganador. Axelrod continuaría desarrollando muchos otros modelos basados en agentes en el campo de la ciencia política que examinan fenómenos desde el etnocentrismo hasta la diseminación de la cultura. [7] A finales de la década de 1980, el trabajo de Craig Reynolds sobre modelos de bandadas contribuyó al desarrollo de algunos de los primeros modelos basados en agentes biológicos que contenían características sociales. Trató de modelar la realidad de los agentes biológicos vivos, conocidos como vida artificial , un término acuñado por Christopher Langton .
El primer uso de la palabra "agente" y una definición tal como se usa actualmente es difícil de rastrear. Un candidato parece ser el artículo de 1991 de John Holland y John H. Miller "Agentes adaptativos artificiales en la teoría económica", [8] basado en una presentación anterior de ellos en una conferencia.
Al mismo tiempo, durante la década de 1980, científicos sociales, matemáticos, investigadores de operaciones y una dispersión 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 de Operaciones de América (ORSA).
Década de 1990: expansión
La década de 1990 fue especialmente notable por la expansión de ABM dentro de las ciencias sociales, un esfuerzo notable fue el ABM a gran escala, Sugarscape , desarrollado por Joshua M. Epstein y Robert Axtell para simular y explorar el papel de fenómenos sociales como las migraciones estacionales, contaminación, reproducción sexual, combate y transmisión de enfermedades e incluso cultura. [9] Otros avances notables de 1990 comprendieron la Carnegie Mellon University 's Kathleen Carley ABM, [10] para explorar la co-evolución de las redes sociales y la cultura. Durante este período de la década de 1990, Nigel Gilbert publicó el primer libro de texto sobre simulación social: simulación para el científico social (1999) y estableció una revista desde la perspectiva de las ciencias sociales: la Revista de Sociedades Artificiales y Simulación Social (JASSS). Aparte de JASSS, los modelos basados en agentes de cualquier disciplina están dentro del alcance de la revista SpringerOpen Complex Adaptive Systems Modeling (CASM). [11]
A mediados de la década de 1990, el hilo de las ciencias sociales de ABM comenzó a enfocarse en temas como el diseño de equipos efectivos, la comprensión de la comunicación requerida para la efectividad organizacional y el comportamiento de las redes sociales. CMOT, posteriormente renombrado Análisis Computacional de Sistemas Sociales y Organizacionales (CASOS), incorporó cada vez más modelos basados en agentes. Samuelson (2000) es una buena descripción general de la historia temprana, [12] y Samuelson (2005) y Samuelson y Macal (2006) trazan los desarrollos más recientes. [13] [14]
A fines de la década de 1990, la fusión de TIMS y ORSA para formar INFORMS , y el cambio de INFORMS de dos reuniones cada año a una, ayudó a impulsar al grupo CMOT a formar una sociedad separada, la Asociación Norteamericana de Ciencias Sociales y Organizacionales Computacionales. (NAACSOS). Kathleen Carley fue una de las principales contribuyentes, especialmente a los modelos de redes sociales, obteniendo fondos de la National Science Foundation para la conferencia anual y sirviendo como la primera presidenta de NAACSOS. Fue reemplazada por David Sallach de la Universidad de Chicago y el Laboratorio Nacional Argonne , y luego por Michael Prietula de la Universidad Emory . Aproximadamente al mismo tiempo que comenzó NAACSOS, se organizaron la Asociación Europea de Simulación Social (ESSA) y la Asociación del Pacífico Asiático para el Enfoque Basado en Agentes en la Ciencia de los Sistemas Sociales (PAAA), contrapartes de NAACSOS. A partir de 2013, estas tres organizaciones colaboran internacionalmente. El Primer Congreso Mundial sobre Simulación Social se celebró bajo su patrocinio conjunto en Kyoto, Japón, en agosto de 2006. [ cita requerida ] El Segundo Congreso Mundial se celebró en los suburbios del norte de Virginia en Washington, DC, en julio de 2008, con la Universidad George Mason. asumir el papel de liderazgo en los arreglos locales.
2000 y posteriores
Más recientemente, Ron Sun desarrolló métodos para basar la simulación basada en agentes en modelos de cognición humana, conocida como simulación social cognitiva . [15] 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 2001, UCLA ha organizado una conferencia en Lake Arrowhead, California, que se ha convertido en otro importante punto de encuentro para los profesionales en este campo. [ cita requerida ]
Teoría
La mayor parte de la investigación en modelado computacional describe sistemas en equilibrio o que se mueven entre equilibrios. Sin embargo, el modelado basado en agentes, usando reglas simples, puede resultar en diferentes tipos de comportamientos complejos e interesantes. Las tres ideas centrales de los modelos basados en agentes son agentes como objetos, emergencia y complejidad .
Los modelos basados en agentes consisten en agentes basados en reglas que interactúan dinámicamente. Los sistemas dentro de los cuales interactúan pueden crear una complejidad similar al mundo real. Normalmente, los agentes están situados en el espacio y el tiempo y residen en redes o en vecindarios enrejados. La ubicación de los agentes y su comportamiento de respuesta están codificados en forma algorítmica en programas informáticos. En algunos casos, aunque no siempre, los agentes pueden considerarse inteligentes y decididos. En el ABM ecológico (a menudo denominado "modelos basados en el individuo" en ecología), los agentes pueden, por ejemplo, ser árboles en el bosque y no se considerarían inteligentes, aunque pueden tener "propósito" en el sentido de optimizar el acceso a un recurso (como el agua). El proceso de modelado se describe mejor como inductivo . El modelador hace las suposiciones que se consideran más relevantes para la situación en cuestión y luego observa cómo emergen los fenómenos de las interacciones de los agentes. A veces, ese resultado es un equilibrio. A veces es un patrón emergente. A veces, sin embargo, es un mangle ininteligible.
De alguna manera, los modelos basados en agentes complementan los métodos analíticos tradicionales. Donde los métodos analíticos permiten a los humanos caracterizar los equilibrios de un sistema, los modelos basados en agentes permiten la posibilidad de generar esos equilibrios. Esta contribución generativa puede ser la corriente principal de los beneficios potenciales del modelado basado en agentes. Los modelos basados en agentes pueden explicar el surgimiento de patrones de orden superior: estructuras de red de organizaciones terroristas e Internet, distribuciones de leyes de poder en los tamaños de atascos de tráfico, guerras y choques bursátiles, y segregación social que persiste a pesar de las poblaciones de gente tolerante. Los modelos basados en agentes también se pueden utilizar para identificar puntos de palanca, definidos como momentos en el tiempo en los que las intervenciones tienen consecuencias extremas, y para distinguir entre los tipos de dependencia de la trayectoria.
En lugar de centrarse en estados estables, muchos modelos consideran la robustez de un sistema: las formas en que los sistemas complejos se adaptan a las presiones internas y externas para mantener sus funcionalidades. La tarea de aprovechar esa complejidad requiere la consideración de los propios agentes: su diversidad, conectividad y nivel de interacciones.
Marco de referencia
El trabajo reciente sobre el modelado y simulación de sistemas adaptativos complejos ha demostrado la necesidad de combinar modelos basados en agentes y modelos basados en redes complejas. [16] [17] [18] describen un marco que consta de cuatro niveles de desarrollo de modelos de sistemas adaptativos complejos descritos utilizando varios ejemplos de estudios de casos multidisciplinarios:
- Nivel de modelado de red compleja para desarrollar modelos utilizando datos de interacción de varios componentes del sistema.
- Nivel de modelado exploratorio basado en agentes para desarrollar modelos basados en agentes para evaluar la viabilidad de futuras investigaciones. Esto puede ser útil, por ejemplo, para desarrollar modelos de prueba de concepto como, por ejemplo, para solicitudes de financiación sin requerir una curva de aprendizaje extensa para los investigadores.
- Modelado descriptivo basado en agentes (DREAM) para el desarrollo de descripciones de modelos basados en agentes mediante el uso de plantillas y modelos complejos basados en redes. La construcción de modelos DREAM permite la comparación de modelos entre disciplinas científicas.
- Modelado basado en agentes validado utilizando el sistema Virtual Overlay Multiagent (VOMAS) para el desarrollo de modelos verificados y validados de manera formal.
Otros métodos para describir modelos basados en agentes incluyen plantillas de código [19] y métodos basados en texto como el protocolo ODD (descripción general, conceptos de diseño y detalles de diseño). [20]
El papel del entorno donde viven los agentes, tanto macro como micro, [21] también se está convirtiendo en un factor importante en el trabajo de simulación y modelado basado en agentes. El entorno simple proporciona agentes simples, pero los entornos complejos generan diversidad de comportamiento. [22]
Aplicaciones
En el modelado de sistemas adaptativos complejos
Vivimos en un mundo muy complejo donde nos enfrentamos a fenómenos complejos como la formación de normas sociales y la aparición de nuevas tecnologías disruptivas. Para comprender mejor tales fenómenos, los científicos sociales a menudo utilizan un enfoque reduccionista en el que reducen sistemas complejos a variables de nivel inferior y modelan las relaciones entre ellos a través de un esquema de ecuaciones como la ecuación diferencial parcial (PDE) [ cita requerida ] . Este enfoque que se llama modelado basado en ecuaciones (EBM) tiene algunas debilidades básicas en el modelado de sistemas complejos reales. Los MBE enfatizan suposiciones no realistas, como la racionalidad ilimitada y la información perfecta, mientras que la adaptabilidad, la capacidad de evolución y los efectos de red no se abordan [ cita requerida ] . Al abordar las deficiencias del reduccionismo, el marco de los sistemas adaptativos complejos (CAS) ha demostrado ser muy influyente en las últimas dos décadas [ cita requerida ] . En contraste con el reduccionismo, en el marco de CAS, los fenómenos complejos se estudian de una manera orgánica donde se supone que sus agentes son tanto racionalmente limitados como adaptativos [ cita requerida ] . Como metodología poderosa para el modelado CAS, el modelado basado en agentes (ABM) ha ganado una popularidad creciente entre académicos y profesionales. Los ABM muestran cómo las reglas de comportamiento simples de los agentes y sus interacciones locales a microescala pueden generar patrones sorprendentemente complejos a macroescala. [23]
En biologia
El modelado basado en agentes se ha utilizado ampliamente en biología, incluido el análisis de la propagación de epidemias , [24] y la amenaza de guerra biológica , aplicaciones biológicas que incluyen dinámica de poblaciones , [25] expresión genética estocástica, [26] interacciones planta-animal, [27] ecología de la vegetación, [28] diversidad del paisaje, [29] sociobiología , [30] el crecimiento y declive de las civilizaciones antiguas, la evolución del comportamiento etnocéntrico, [31] el desplazamiento / migración forzada, [32] la dinámica de elección del idioma, [33 ] modelado cognitivo y aplicaciones biomédicas, incluido el modelado de la formación / morfogénesis de tejido mamario en 3D, [34] los efectos de la radiación ionizante en la dinámica de la subpoblación de células madre mamarias, [35] inflamación, [36] [37] y el sistema inmunológico humano . [38] También se han utilizado modelos basados en agentes para desarrollar sistemas de apoyo a la toma de decisiones, como para el cáncer de mama. [39] Los modelos basados en agentes se utilizan cada vez más para modelar sistemas farmacológicos en las primeras etapas y en la investigación preclínica para ayudar en el desarrollo de fármacos y obtener conocimientos sobre sistemas biológicos que no serían posibles a priori . [40] También se han evaluado aplicaciones militares. [41] Además, recientemente se han empleado modelos basados en agentes para estudiar sistemas biológicos a nivel molecular. [42] [43] [44]
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 lo que respecta a la precisión de las predicciones. [45] [46] Recientemente, ABM como CovidSim por el epidemiólogo Neil Ferguson , se han utilizado para informar las intervenciones de salud pública (no farmacéuticas) contra la propagación del SARS-CoV-2 . [47] Los MBA epidemiológicos han sido criticados por supuestos simplificadores y poco realistas. [48] [49] Aún así, pueden ser útiles para informar decisiones con respecto a las medidas de mitigación y supresión en los casos en que los ABM se calibran con precisión. [50]
En negocios, tecnología y teoría de redes
Los modelos basados en agentes se han utilizado desde mediados de la década de 1990 para resolver una variedad de problemas comerciales y tecnológicos. Ejemplos de aplicaciones incluyen marketing , [51] comportamiento organizacional y cognición , [52] trabajo en equipo , [53] optimización y logística de la cadena de suministro , modelado del comportamiento del consumidor , incluido 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 . [54]
Recientemente, el modelado y la simulación basados en agentes se han aplicado a varios dominios, como el estudio del impacto de los lugares de publicación por parte de investigadores en el dominio de la informática (revistas versus conferencias). [55] Además, se han utilizado ABM para simular la entrega de información en entornos asistidos por el medio ambiente. [56] Un artículo de noviembre de 2016 en arXiv analizó una simulación basada en agentes de publicaciones difundidas en Facebook . [57] En el ámbito de las redes peer-to-peer, ad hoc y otras redes complejas y autoorganizadas, se ha demostrado la utilidad del modelado y la simulación basados en agentes. [58] 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. [59]
La búsqueda o algoritmo evolutivo basado en agentes es un nuevo tema de investigación para resolver problemas complejos de optimización. [60]
En economía y ciencias sociales
Antes y después de la crisis financiera de 2008 , ha aumentado el interés en los MBA como posibles herramientas para el análisis económico. [61] [62] Los ABM no asumen que la economía puede alcanzar el equilibrio y que los " agentes representativos " son reemplazados por agentes con un comportamiento diverso, dinámico e interdependiente, incluido el pastoreo . 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 choques y auges que se desarrollan a partir de respuestas no lineales (desproporcionadas) a cambios proporcionalmente pequeños. [63] Un artículo de julio de 2010 en The Economist analizó los ABM como alternativas a los modelos DSGE . [63] La revista Nature también alentó el modelado basado en agentes con un editorial que sugería que los ABM pueden representar mejor los mercados financieros y otras complejidades económicas que los modelos estándar [64] junto con un ensayo de J. Doyne Farmer y Duncan Foley que argumentó 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 microfundaciones. [65] Farmer y Foley señalaron el progreso que se ha logrado utilizando ABM para modelar partes de una economía, pero abogaron por la creación de un modelo muy grande que incorpore modelos de bajo nivel. [66] Al modelar un sistema complejo de analistas basado en tres perfiles de comportamiento distintos (imitación, antiimitación e indiferencia), los mercados financieros se simularon con gran precisión. Los resultados mostraron una correlación entre la morfología de la red y el índice bursátil. [67] Sin embargo, el enfoque ABM ha sido criticado por su falta de robustez entre modelos, donde modelos similares pueden producir resultados muy diferentes. [68] [69]
Los ABM se han desplegado en arquitectura y planificación urbana para evaluar el diseño y simular el flujo de peatones en el entorno urbano [70] y el examen de las aplicaciones de políticas públicas al uso del suelo. [71] También existe un campo creciente de análisis socioeconómico del impacto de la inversión en infraestructura que utiliza la capacidad de ABM para discernir los impactos sistémicos en una red socioeconómica. [72]
ABM organizacional: simulación dirigida por agentes
La metáfora de la simulación dirigida por agentes (ADS) distingue entre dos categorías, a saber, "Sistemas para agentes" y "Agentes para sistemas". [73] Los sistemas para agentes (a veces denominados sistemas de agentes) son agentes implementadores de sistemas para su uso en ingeniería, dinámica humana y social, aplicaciones militares y otros. Los agentes para sistemas se dividen en dos subcategorías. Los sistemas respaldados por agentes se ocupan del uso de agentes como una instalación 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 del comportamiento del modelo en la evaluación de un sistema (estudios y análisis del sistema).
Automóviles autónomos
Waymo ha creado un entorno de simulación de múltiples agentes, Carcraft, para probar algoritmos para vehículos autónomos . [74] [75] Simula las interacciones del tráfico entre conductores humanos, peatones y vehículos automatizados. El comportamiento de las personas es imitado por agentes artificiales basados en datos del comportamiento humano real.
Implementación
Muchos marcos de ABM están diseñados para arquitecturas de computadora en serie von-Neumann , lo que limita la velocidad y escalabilidad de los modelos implementados. Dado que el comportamiento emergente en ABM a gran escala depende del tamaño de la población, [76] las restricciones de escalabilidad pueden dificultar la validación del modelo. [77] Estas limitaciones se han abordado principalmente mediante la informática distribuida , con marcos como Repast HPC [78] específicamente dedicados a este tipo de implementaciones. Si bien estos enfoques se asignan bien a las arquitecturas de clústeres y supercomputadoras , los problemas relacionados con la comunicación y la sincronización, [79] [80] así como la complejidad de la implementación, [81] siguen siendo obstáculos potenciales para su adopción generalizada.
Un desarrollo reciente es el uso de algoritmos de datos paralelos en unidades de procesamiento de gráficos GPU para simulación ABM. [76] [82] [83] El ancho de banda de memoria extremo combinado con el enorme poder de procesamiento de números 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 una pieza particular de software o plataforma, a menudo se ha utilizado junto con otras formas de modelado. Por ejemplo, los modelos basados en agentes también se han combinado con los sistemas de información geográfica (SIG). Esto proporciona una combinación útil en la que el ABM sirve como modelo de proceso y el sistema GIS puede proporcionar un modelo de patrón. [84] De manera similar, las herramientas de análisis de redes sociales (SNA) 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 SNA modela y analiza la red de interacciones. [85]
Verificación y validación
La verificación y validación (V&V) de los modelos de simulación es extremadamente importante. [86] [87] La verificación implica asegurarse de que el modelo implementado coincida con el modelo conceptual, mientras que la validación asegura que el modelo implementado tiene alguna relación con el mundo real. La validación facial, el análisis de sensibilidad, la calibración y la validación estadística son aspectos diferentes de la validación. [88] Se ha propuesto un enfoque de marco de simulación de eventos discretos para la validación de sistemas basados en agentes. [89] Aquí se puede encontrar un recurso completo sobre validación empírica de modelos basados en agentes. [90]
Como ejemplo de la técnica V&V, considere VOMAS (sistema de superposición virtual de múltiples agentes), [91] un enfoque basado en ingeniería de software, donde se desarrolla un sistema de superposición virtual de múltiples agentes junto con el modelo basado en agentes. Muazi y col. también proporcionan un ejemplo del uso de VOMAS para la verificación y validación de un modelo de simulación de incendios forestales. [92] [93] Otro método de ingeniería de software, es decir, desarrollo basado en pruebas, se ha adaptado para la validación de modelos basados en agentes. [94] Este enfoque tiene otra ventaja que permite una validación automática utilizando herramientas de prueba unitaria.
Ver también
- Economía computacional basada en agentes
- Modelo basado en agentes en biología
- Simulación social basada en agentes (ABSS)
- Sociedad artificial
- Boids
- Comparación de software de modelado basado en agentes
- Sistema complejo
- Sistema adaptativo complejo
- Sociología computacional
- El juego de la vida de Conway
- Análisis dinámico de redes
- Aparición
- Algoritmo evolutivo
- Flocado
- Bot de Internet
- Modelos de intercambio cinético de mercados
- Sistema de agentes múltiples
- Realidad simulada
- Complejidad social
- Simulación social
- Sociofísica
- Agente de software
- Comportamiento de enjambre
- Simulación basada en web
- TOTREP
Referencias
- ^ Grimm, Volker; Railsback, Steven F. (2005). Modelización y ecología individual . Prensa de la Universidad de Princeton. pag. 485. ISBN 978-0-691-09666-7.
- ^ a b Niazi, Muaz; Hussain, Amir (2011). "Computación basada en agentes desde sistemas multiagente hasta modelos basados en agentes: una encuesta visual" (PDF) . Cienciometría . 89 (2): 479–499. arXiv : 1708.05872 . doi : 10.1007 / s11192-011-0468-9 . hdl : 1893/3378 . S2CID 17934527 . Archivado desde el original (PDF) el 12 de octubre de 2013.
- ^ Gustafsson, Leif; Sternad, Mikael (2010). "Modelado coherente de población basado en micro, macro y estado". Biociencias matemáticas . 225 (2): 94-107. doi : 10.1016 / j.mbs.2010.02.003 . PMID 20171974 .
- ^ "Modelos de ecosistemas industriales basados en agentes" . Universidad de Rutgers . 6 de octubre de 2003. Archivado desde el original el 20 de julio de 2011.
- ^ Bonabeau, E. (14 de mayo de 2002). "Modelado basado en agentes: métodos y técnicas para la simulación de sistemas humanos" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 99 : 7280–7. Código Bibliográfico : 2002PNAS ... 99.7280B . doi : 10.1073 / pnas.082080899 . PMC 128598 . PMID 12011407 .
- ^ Schelling, Thomas C. (1971). "Modelos dinámicos de segregación" (PDF) . Revista de Sociología Matemática . 1 (2): 143–186. doi : 10.1080 / 0022250x.1971.9989794 .
- ^ Axelrod, Robert (1997). La complejidad de la cooperación: modelos de competencia y colaboración basados en agentes . Princeton: Prensa de la Universidad de Princeton. ISBN 978-0-691-01567-5.
- ^ Holanda, JH; Miller, JH (1991). "Agentes adaptativos artificiales en teoría económica" (PDF) . American Economic Review . 81 (2): 365–71. Archivado desde el original (PDF) el 27 de octubre de 2005.
- ^ Epstein, Joshua M .; Axtell, Robert (11 de octubre de 1996). Sociedades artificiales en crecimiento: ciencias sociales de abajo hacia arriba . Prensa de la Institución Brookings. págs. 224 . ISBN 978-0-262-55025-3.
- ^ "Construir" . Análisis Computacional de Sistemas Organizacionales Sociales.
- ^ Diario de modelado de sistemas adaptativos complejos de Springer (CASM)
- ^ Samuelson, Douglas A. (diciembre de 2000). "Diseño de organizaciones" . OR / MS hoy .
- ^ Samuelson, Douglas A. (febrero de 2005). "Agentes de cambio" . OR / MS hoy .
- ^ Samuelson, Douglas A .; Macal, Charles M. (agosto de 2006). "El modelado basado en agentes llega a la mayoría de edad" . OR / MS hoy .
- ^ Sun, Ron , ed. (Marzo de 2006). La cognición y la interacción de múltiples agentes: del modelado cognitivo a la simulación social . Prensa de la Universidad de Cambridge . ISBN 978-0-521-83964-8.
- ^ 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 .
- ^ Niazi, Muaz AK (30 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación basados en agentes formales, en red y validados de sistemas adaptativos complejos". hdl : 1893/3365 . Cite journal requiere
|journal=
( ayuda ) (Tesis doctoral) - ^ Niazi, MA y Hussain, A (2012), Computación basada en agentes cognitivos-I: un marco unificado para modelar sistemas adaptativos complejos utilizando métodos basados en agentes y en redes complejas Computación basada en agentes cognitivos
- ^ "Plantillas de código de enjambre para la comparación de modelos" . Grupo de desarrollo de enjambres . Archivado desde el original el 3 de agosto de 2008.
- ^ Volker Grimm; Uta Berger; Finn Bastiansen; et al. (15 de septiembre de 2006). "Un protocolo estándar para describir modelos basados en agentes y basados en individuos". Modelización ecológica . 198 (1–2): 115–126. doi : 10.1016 / j.ecolmodel.2006.04.023 . (Papel impar)
- ^ Ch'ng, E. (2012) Entorno macro y micro para la diversidad de comportamientos en la simulación de vida artificial, Sesión de vida artificial, Sexta Conferencia Internacional sobre Soft Computing y Sistemas Inteligentes, XIII Simposio Internacional sobre Sistemas Inteligentes Avanzados, 20 de noviembre - 24 de diciembre de 2012, Kobe, Japón. Macro y Micro Environment archivado 13 de noviembre de 2013, en la Wayback Machine
- ^ Simon, Herbert A. Las ciencias de lo artificial. Prensa del MIT, 1996.
- ^ Sabzian, Hossein; Shafia, Mohammad Ali; Bonyadi Naeini, Ali; Jandaghi, Gholam Reza; Jeque, Mohammad Javad (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. doi : 10.22059 / IJMS.2018.261178.673190 .
- ^ Situngkir, Hokky (2004). "Epidemiología a través de autómatas celulares: caso de estudio de influenza aviar en Indonesia". arXiv : nlin / 0403035 .
- ^ Caplat, Paul; Anand, Madhur; Bauch, Chris (10 de marzo de 2008). "La competencia simétrica provoca oscilaciones de población en un modelo individual de dinámica forestal". Modelización ecológica . 211 (3–4): 491–500. doi : 10.1016 / j.ecolmodel.2007.10.002 .
- ^ Thomas, Philipp (diciembre de 2019). "Ruido intrínseco y extrínseco de la expresión génica en árboles de linaje" . Informes científicos . 9 (1): 474. Bibcode : 2019NatSR ... 9..474T . doi : 10.1038 / s41598-018-35927-x . ISSN 2045-2322 . PMC 6345792 . PMID 30679440 .
- ^ Fedriani JM, T Wiegand, D Ayllón, F Palomares, A Suárez-Esteban y V. Grimm. 2018. Ayudar a los dispersores de semillas a restaurar los campos viejos: un modelo individual de las interacciones entre tejones, zorros y perales ibéricos. Journal of Applied Ecology 55: 600–611.
- ^ Ch'ng, E. (2009) Un enfoque de modelado de vegetación artificial basado en la vida para la investigación de la biodiversidad, en informática inspirada en la naturaleza para aplicaciones inteligentes y descubrimiento del conocimiento: implicaciones en los negocios, la ciencia y la ingeniería, 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.
- ^ Wirth, E .; Szabó, Gy .; Czinkóczky, A. (7 de junio de 2016). "Medida de la heterogeneidad del paisaje por metodología basada en agentes" . ISPRS Annals of the Photogrametry, Remote Sensing and Spatial Information Sciences . III-8: 145-151. Código bibliográfico : 2016ISPAnIII8..145W . doi : 10.5194 / isprs-annals-iii-8-145-2016 .
- ^ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer., Dietrich (2009). "Evolución del etnocentrismo en redes Barabási-Albert no dirigidas y dirigidas". Physica A: Mecánica estadística y sus aplicaciones . 388 (24): 4999–5004. arXiv : 0905.2672 . Código bibliográfico : 2009PhyA..388.4999L . doi : 10.1016 / j.physa.2009.08.029 . S2CID 18233740 .
- ^ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer, Dietrich (2009). "Evolución del etnocentrismo en redes Barabási-Albert no dirigidas y dirigidas". Un Physica . 388 (24): 4999–5004. arXiv : 0905.2672 . Código bibliográfico : 2009PhyA..388.4999L . doi : 10.1016 / j.physa.2009.08.029 . S2CID 18233740 .
- ^ Edwards, Scott (9 de junio de 2009). El caos de la migración forzada: un medio modelador para un fin humanitario . VDM Verlag . pag. 168. ISBN 978-3-639-16516-6.
- ^ Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, Christian (2009). "Simulaciones informáticas basadas en agentes de la dinámica de elección del lenguaje". Anales de la Academia de Ciencias de Nueva York . 1167 (1): 221–229. Código bibliográfico : 2009NYASA1167..221H . doi : 10.1111 / j.1749-6632.2009.04507.x . PMID 19580569 . S2CID 32790067 .
- ^ 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 guiados por imágenes" . Biología integrativa . 3 (4): 408-21. doi : 10.1039 / c0ib00092b . PMC 4009383 . PMID 21373705 .
- ^ Tang, 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 adulta, aumenta la autorrenovación de células madre y los tumores negativos al receptor de estrógeno". Células madre . 32 (3): 649–61. doi : 10.1002 / tallo.1533 . PMID 24038768 . S2CID 32979016 .
- ^ Tang, Jonathan; Ley, Klaus; Hunt, C. Anthony (2007). "Dinámica del rodamiento, activación y adhesión de leucocitos in silico" . Biología de sistemas BMC . 1 (14): 14. doi : 10.1186 / 1752-0509-1-14 . PMC 1839892 . PMID 17408504 .
- ^ Tang, Jonathan; Hunt, C. Anthony (2010). "Identificación de las reglas de compromiso que permiten el rodamiento, la activación y la adhesión de leucocitos" . PLOS Biología Computacional . 6 (2): e1000681. Código Bibliográfico : 2010PLSCB ... 6E0681T . doi : 10.1371 / journal.pcbi.1000681 . PMC 2824748 . PMID 20174606 .
- ^ Castiglione, Filippo; Celada, Franco (2015). Modelado y simulación del sistema inmunológico . Prensa CRC, Boca Raton. pag. 274. ISBN 978-1-4665-9748-8.
- ^ Siddiqa, Amnah; Niazi, Muaz; Mustafa, Farah; Bokhari, Habib; Hussain, Amir; Akram, Noreen; Shaheen, Shabnum; Ahmed, Fouzia; Iqbal, Sarah (2009). "Un nuevo sistema de soporte de decisiones de simulación y modelado basado en agentes híbridos para el análisis de datos de cáncer de mama" (PDF) . 2009 Congreso Internacional de Tecnologías de la Información y las Comunicaciones . págs. 134-139. doi : 10.1109 / ICICT.2009.5267202 . ISBN 978-1-4244-4608-7. S2CID 14433449 . Archivado desde el original (PDF) el 14 de junio de 2011. (Cáncer de mama DSS)
- ^ Mayordomo, James; Cosgrove, Jason; Alden, Kieran; Lee, Mark; Kumar, Vipin; Cucurull-Sánchez, 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 .
- ^ Barathy, Gnana; Yilmaz, Levent; Tolk, Andreas (marzo de 2012). "Simulación dirigida por agentes para modelado de combate y simulación distribuida". Principios de ingeniería del modelado de combate y simulación distribuida . Hoboken, Nueva Jersey: Wiley . págs. 669–714. doi : 10.1002 / 9781118180310.ch27 . ISBN 9781118180310.
- ^ Azimi, Mohammad; Jamali, Yousef; Mofrad, Mohammad RK (2011). "Contabilización de la difusión en modelos basados en agentes de sistemas de reacción-difusión con aplicación a la difusión citoesquelética" . PLOS ONE . 6 (9): e25306. Código bibliográfico : 2011PLoSO ... 625306A . doi : 10.1371 / journal.pone.0025306 . PMC 3179499 . PMID 21966493 .
- ^ Azimi, Mohammad; Mofrad, Mohammad RK (2013). "Mayor afinidad de nucleoporina-importina β en la cesta nuclear aumenta la importación nucleocitoplasmática" . PLOS ONE . 8 (11): e81741. Código bibliográfico : 2013PLoSO ... 881741A . doi : 10.1371 / journal.pone.0081741 . PMC 3840022 . PMID 24282617 .
- ^ 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 de poros nucleares" . Biología molecular de la célula . 25 (22): 3643–3653. doi : 10.1091 / mbc.E14-06-1065 . PMC 4230623 . PMID 25253717 .
- ^ Eisinger, Dirk; Thulke, Hans-Hermann (1 de abril de 2008). "La formación de patrones espaciales facilita la erradicación de enfermedades infecciosas" . La Revista de Ecología Aplicada . 45 (2): 415–423. doi : 10.1111 / j.1365-2664.2007.01439.x . ISSN 0021-8901 . PMC 2326892 . PMID 18784795 .
- ^ Railsback, Steven F .; Grimm, Volker (26 de marzo de 2019). Modelado individual y basado en agentes . ISBN 978-0-691-19082-2.
- ^ Adam, David (2 de abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial al COVID-19" . Naturaleza . 580 (7803): 316–318. Bibcode : 2020Natur.580..316A . doi : 10.1038 / d41586-020-01003-6 . PMID 32242115 . S2CID 214771531 .
- ^ 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 .
- ^ 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 de pandemia mundial: un llamado a la acción" . Revista de Sociedades Artificiales y Simulación Social . 23 (2): 10. doi : 10.18564 / jasss.4298 . ISSN 1460-7425 . S2CID 216426533 .
- ^ Maziarz, Mariusz; Zach, Martín (2020). "Modelado basado en agentes para la evaluación de la predicción y la intervención de la epidemia de SARS-CoV-2: una evaluación metodológica" . Revista de evaluación en la práctica clínica . 26 (5): 1352-1360. doi : 10.1111 / jep.13459 . ISSN 1365-2753 . PMC 7461315 . PMID 32820573 .
- ^ Rand, William; Óxido, Roland T. (2011). "Modelado basado en agentes en marketing: pautas para el rigor". Revista Internacional de Investigación en Marketing . 28 (3): 181-193. doi : 10.1016 / j.ijresmar.2011.04.002 .
- ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Modelado y simulación basados en agentes: la contribución potencial a la psicología organizacional". Revista de Psicología Ocupacional y Organizacional . 85 (3): 487–502. doi : 10.1111 / j.2044-8325.2012.02053.x .
- ^ 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 ingenieros". Transacciones IEEE sobre sistemas, hombre y cibernética - Parte A: Sistemas y seres humanos . 42 (6): 1425–1439. doi : 10.1109 / TSMCA.2012.2199304 . S2CID 7985332 .
- ^ "Aplicación de la tecnología de agentes a la simulación de tráfico" . Departamento de Transporte de Estados Unidos . 15 de mayo de 2007. Archivado desde el original el 1 de enero de 2011 . Consultado el 31 de octubre de 2007 .
- ^ Niazi, M .; Baig, AR; Hussain, A .; Bhatti, S. (2008). Mason, S .; Hill, R .; Mönch, L .; Rose, O .; Jefferson, T .; Fowler, JW (eds.). "Simulación del proceso de investigación" (PDF) . Actas de la 40ª Conferencia sobre simulación de invierno (Miami, Florida, 7 al 10 de diciembre de 2008) : 1326-1334. doi : 10.1109 / WSC.2008.4736206 . hdl : 1893/3203 . ISBN 978-1-4244-2707-9. S2CID 6597668 .
- ^ Niazi, Muaz A. (2008). "Arquitectura de entrega de contenido personalizado autoorganizado para entornos asistidos por el ambiente" (PDF) . UPGRADE '08: Actas del Tercer Taller Internacional sobre Uso de P2P, Grid y Agentes para el Desarrollo de Redes de Contenidos : 45–54. doi : 10.1145 / 1384209.1384218 . ISBN 9781605581552. S2CID 16916130 . Archivado desde el original (PDF) el 14 de junio de 2011.
- ^ Nasrinpour, Hamid Reza; Friesen, Marcia R .; McLeod, Robert D. (22 de noviembre de 2016). "Un modelo de propagación de mensajes basado en agentes en la red social electrónica de Facebook". arXiv : 1611.07454 [ cs.SI ].
- ^ Niazi, Muaz; Hussain, Amir (marzo de 2009). "Herramientas basadas en agentes para modelado y simulación de autoorganización en redes peer-to-peer, ad-hoc y otras redes complejas" (PDF) . Revista de comunicaciones IEEE . 47 (3): 163-173. doi : 10.1109 / MCOM.2009.4804403 . hdl : 1893/2423 . S2CID 23449913 . Archivado desde el original (PDF) el 4 de diciembre de 2010.
- ^ Niazi, Muaz; Hussain, Amir (2011). "Un nuevo marco de simulación basado en agentes para la detección en entornos adaptativos complejos" (PDF) . Revista de sensores IEEE . 11 (2): 404–412. arXiv : 1708.05875 . Código bibliográfico : 2011ISenJ..11..404N . doi : 10.1109 / JSEN.2010.2068044 . S2CID 15367419 . Archivado desde el original (PDF) el 25 de julio de 2011.
- ^ Sarker, RA; Ray, T. (2010). "Enfoque evolutivo basado en agentes: una introducción". Búsqueda evolutiva basada en agentes . Adaptación, aprendizaje y optimización. 5 . pag. 1. doi : 10.1007 / 978-3-642-13425-8_1 . ISBN 978-3-642-13424-1.
- ^ Página, Scott E. (2008). Modelos basados en agentes . El Diccionario de Economía New Palgrave (2 ed.).
- ^ Testfatsion, Leigh ; Judd, Kenneth , eds. (Mayo de 2006). Manual de Economía Computacional . 2 . Elsevier . pag. 904. ISBN 978-0-444-51253-6. Archivado desde el original el 6 de marzo de 2012 . Consultado el 29 de enero de 2012 .( Vista previa del capítulo)
- ^ a b "Agentes de cambio" . The Economist . 22 de julio de 2010 . Consultado el 16 de febrero de 2011 .
- ^ "Un enfoque modelo" . Naturaleza . 460 (7256): 667. 6 de agosto de 2009. Bibcode : 2009Natur.460Q.667. . doi : 10.1038 / 460667a . PMID 19661863 .
- ^ Farmer y Foley 2009 , p. 685.
- ^ Farmer y Foley 2009 , p. 686.
- ^ Stefan, F. y Atman, A. (2015). ¿Existe alguna conexión entre la morfología de la red y las fluctuaciones del índice bursátil? Physica A: Mecánica estadística y sus aplicaciones, (419), 630-641.
- ^ 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 .
- ^ Rand, William; Rust, Roland T. (julio de 2011). "Modelado basado en agentes en marketing: pautas para el rigor". Revista Internacional de Investigación en Marketing . 28 (3): 181-193. doi : 10.1016 / j.ijresmar.2011.04.002 .
- ^ Aschwanden, GDPA; Wullschleger, Tobias; Müller, Hanspeter; Schmitt, Gerhard (2009). "Evaluación de modelos de ciudad en 3D mediante agentes urbanos colocados automáticamente". Automatización en Construcción . 22 : 81–89. doi : 10.1016 / j.autcon.2011.07.001 .
- ^ Brown, Daniel G .; Page, Scott E .; Zellner, Moira; Rand, William (2005). "Ruta de dependencia y la validación de modelos espaciales de uso de la tierra basados en agentes" . Revista Internacional de Ciencias de las Informaciones Geográficas . 19 (2): 153-174. doi : 10.1080 / 13658810410001713399 .
- ^ Smetanin, Paul; Stiff, David (2015). Invertir en la infraestructura pública de Ontario: una perspectiva de prosperidad en riesgo, con un análisis del área metropolitana de Toronto y Hamilton (PDF) . El Centro Canadiense de Análisis Económico (Informe).
- ^ "Simulación dirigida por agentes" .
- ^ Madrigal, historia de Alexis C. "Dentro del mundo secreto de Waymo para entrenar coches autónomos" . El Atlántico . Consultado el 14 de agosto de 2020 .
- ^ Connors, J .; Graham, S .; Mailloux, L. (2018). "Modelado cibernético para aplicaciones de vehículo a vehículo". En Conferencia Internacional sobre Ciberguerra y Seguridad . Academic Conferences International Limited: 594-XI.
- ^ a b Lysenko, Mikola; D'Souza, Roshan M. (2008). "Un marco para simulaciones de modelos basados en agentes de megaescala en unidades de procesamiento de gráficos" . Revista de Sociedades Artificiales y Simulación Social . 11 (4): 10. ISSN 1460-7425 . Consultado el 16 de abril de 2019 .
- ^ Gulyás, László; Szemes, Gábor; Kampis, George; de Back, Walter (2009). "Una API amigable para el modelador para el particionamiento ABM" . Actas de las conferencias técnicas internacionales de ingeniería de diseño de ASME 2009 y la conferencia sobre informática e información en ingeniería IDETC / CIE 2009 . San Diego, California, Estados Unidos. 2 : 219-226.
- ^ Collier, N .; Norte, M. (2013). "Simulación paralela basada en agentes con Repast para Computación de Alto Rendimiento". Simulación . 89 (10): 1215-1235. doi : 10.1177 / 0037549712462620 . S2CID 29255621 .
- ^ Fujimoto, R. (2015). "Simulación paralela y distribuida" . Conferencia de simulación de invierno de 2015 (CSM) . Huntington Beach, CA, EE. UU.: 45–59. doi : 10.1109 / WSC.2015.7408152 . ISBN 978-1-4673-9743-8.
- ^ Shook, E .; Wang, S .; Tang, W. (2013). "Un marco consciente de la comunicación para modelos paralelos espacialmente explícitos basados en agentes". Revista Internacional de Ciencias de la Información Geográfica . Taylor y Francis. 27 (11): 2160–2181. doi : 10.1080 / 13658816.2013.771740 . S2CID 41702653 .
- ^ 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 (SoCC '17) . Santa Clara, CA, EE. UU .: ACM: 445–451. arXiv : 1702.04024 . Código Bib : 2017arXiv170204024J . doi : 10.1145 / 3127479.3128601 . S2CID 854354 .
- ^ Isaac Rudomin; et al. (2006). "Grandes multitudes en la GPU" . Instituto Tecnológico y de Estudios Superiores de Monterrey . Archivado desde el original el 11 de enero de 2014.
- ^ Richmond, Paul; Romano, Daniela M. (2008). "GPU basada en agentes, un marco de simulación 3D en tiempo real y visualización interactiva para el modelado masivo basado en agentes en la GPU" (PDF) . Proceedings International Workshop on Super Visualization (IWSV08) . Archivado desde el original (PDF) el 15 de enero de 2009 . Consultado el 27 de abril de 2012 .
- ^ Brown, Daniel G .; Riolo, Rick; Robinson, Derek T .; North, Michael; Rand, William (2005). "Procesos espaciales y modelos de datos: hacia la integración de modelos basados en agentes y SIG". Revista de sistemas geográficos . Saltador. 7 (1): 25–47. Código bibliográfico : 2005JGS ..... 7 ... 25B . doi : 10.1007 / s10109-005-0148-5 . hdl : 2027,42 / 47930 . S2CID 14059768 .
- ^ 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 utilizando modelos basados en agentes: el papel de las redes sociales de los adolescentes" . Ciencias sociales y medicina . Elsevier BV. 125 : 203–213. doi : 10.1016 / j.socscimed.2014.05.049 . ISSN 0277-9536 . PMC 4306600 . PMID 24951404 .
- ^ Sargent, RG (2000). "Verificación, validación y acreditación de modelos de simulación". Actas de la conferencia de simulación de invierno de 2000 (n.o de cat. 00CH37165) . 1 . págs. 50–59. CiteSeerX 10.1.1.17.438 . doi : 10.1109 / WSC.2000.899697 . ISBN 978-0-7803-6579-7. S2CID 57059217 .
- ^ Galán, José Manuel; Izquierdo, Luis; Izquierdo, Segismundo S .; Santos, José Ignacio; del Olmo, Ricardo; López-Paredes, Adolfo; Edmonds, Bruce (2009). "Errores y artefactos en el modelado basado en agentes" . Revista de Sociedades Artificiales y Simulación Social . 12 (1): 1.
- ^ Klügl, F. (2008). "Una metodología de validación para simulaciones basadas en agentes". Actas del simposio ACM 2008 sobre informática aplicada - SAC '08 . pag. 39. doi : 10.1145 / 1363686.1363696 . ISBN 9781595937537. S2CID 9450992 .
- ^ Fortino, G .; Garro, A .; Russo, W. (2005). "Un marco de simulación de eventos discretos para la validación de sistemas basados en agentes y de múltiples agentes" (PDF) . Cite journal requiere
|journal=
( ayuda ) - ^ Tesfatsion, Leigh. "Validación empírica: economía computacional basada en agentes" . Universidad Estatal de Iowa .
- ^ Niazi, Muaz; Hussain, Amir; Kolberg, Mario. "Verificación y validación de simulaciones basadas en agentes utilizando el enfoque VOMAS" (PDF) . Actas del tercer taller sobre sistemas de agentes múltiples y simulación '09 (MASS '09), como parte de MALLOW 09, del 7 al 11 de septiembre de 2009, Torino, Italia . Archivado desde el original (PDF) el 14 de junio de 2011.
- ^ Niazi, Muaz; Siddique, Qasim; Hussain, Amir; Kolberg, Mario (11 al 15 de abril de 2010). "Verificación y validación de un modelo de simulación de incendios forestales basado en agentes" (PDF) . Actas del Simposio 2010 de simulación dirigida por agentes, como parte de la multiconferencia de simulación de primavera de ACM SCS : 142-149. Archivado desde el original (PDF) el 25 de julio de 2011.
- ^ Niazi, Muaz AK (11 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación basados en agentes formales, en red y validados de sistemas adaptativos complejos". Universidad de Stirling . hdl : 1893/3365 . Cite journal requiere
|journal=
( ayuda ) Tesis doctoral - ^ Onggo, BS; Karatas, M. (2016). "Modelado de simulación impulsada por pruebas: un estudio de caso que utiliza la simulación de operaciones de búsqueda marítima basada en agentes" . Revista europea de investigación operativa . 254 (2): 517–531. doi : 10.1016 / j.ejor.2016.03.050 .
General
- Barnes, DJ; Chu, D. (2010). Introducción al modelado para biociencias (capítulos 2 y 3) . Springer Verlag . ISBN 978-1-84996-325-1.
- 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.
- Farmer, J. Doyne ; Foley, Duncan (6 de agosto de 2009). "La economía necesita modelos basados en agentes" . Naturaleza . 460 (7256): 685–686. Código Bibliográfico : 2009Natur.460..685F . doi : 10.1038 / 460685a . PMID 19661896 . S2CID 37676798 .
- Gilbert, Nigel; Troitzsch, Klaus (2005). Simulación para el científico social (2 ed.). Prensa Universitaria Abierta. ISBN 978-0-335-21600-0. primera edición, 1999.
- Gilbert, Nigel (2008). Modelos basados en agentes . SABIO. ISBN 9781412949644.
- Helbing, Dirk ; Balietti, Stefano. Helbing, Dirk (ed.). "Modelado basado en agentes" . Autoorganización social : 25–70.
- Holanda, John H. (1992). "Algoritmos genéticos". Scientific American . 267 (1): 66–72. Código Bibliográfico : 1992SciAm.267a..66H . doi : 10.1038 / scientificamerican0792-66 .
- Holland, John H. (1 de septiembre de 1996). Orden oculto: cómo la adaptación genera complejidad (1 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, Nueva Jersey: Princeton University Press. ISBN 978-0-691-12702-6.
- Murthy, VK; Krishnamurthy, EV (2009). "Multiset de Agentes en Red para Simulación de Sistemas Complejos". Avances recientes en sincronización y dinámica no lineal . Estudios en Inteligencia Computacional. 254 . pag. 153. doi : 10.1007 / 978-3-642-04227-0_6 . ISBN 978-3-642-04226-3.
- Naldi, G .; Pareschi, L .; Toscani, G. (2010). Modelización matemática del comportamiento colectivo en ciencias socioeconómicas y de la vida . Birkhauser. ISBN 978-0-8176-4945-6.
- Onggo, BS; Karatas, M. (2016). "Modelado de simulación impulsada por pruebas: un estudio de caso que utiliza la simulación de operaciones de búsqueda marítima basada en agentes" . Revista europea de investigación operativa . 254 (2): 517–531. doi : 10.1016 / j.ejor.2016.03.050 .
- O'Sullivan, D .; Haklay, M. (2000). "Modelos basados en agentes e individualismo: ¿Está el mundo basado en agentes?" . Medio ambiente y planificación A (manuscrito enviado). 32 (8): 1409-1425. doi : 10.1068 / a32140 . S2CID 14131066 .
- Preis, T .; Golke, S .; Paul, W .; Schneider, JJ (2006). "Modelo de cartera de pedidos basado en agentes múltiples de los mercados financieros". Cartas de Europhysics (EPL) . 75 (3): 510–516. Código Bibliográfico : 2006EL ..... 75..510P . doi : 10.1209 / epl / i2006-10139-0 . S2CID 56156905 .
- Rudomín, I .; Millán, E .; Hernández, BN (noviembre de 2005). "Shaders de fragmentos para la animación de agentes utilizando máquinas de estados finitos". Práctica y teoría del modelado de simulación . 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 . Publicación Bruckner. ISBN 978-80-904661-1-1.
- Sallach, David; Macal, Charles (2001). "La simulación de agentes sociales: una introducción". Revisión informática de ciencias sociales . 19 (33): 245–248. doi : 10.1177 / 089443930101900301 .
- Shoham, Yoav; Leyton-Brown, Kevin (2009). Sistemas multiagente: fundamentos algorítmicos, teóricos de juegos y lógicos . Prensa de la Universidad de Cambridge. pag. 504. ISBN 978-0-521-89943-7.
- Vidal, José (2010). "Fundamentos de los sistemas multiagente que utilizan NetLogo" (PDF) . Disponible en linea.
- Wilensky, Uri; Rand, William (2015). Una introducción al modelado basado en agentes: modelado de sistemas complejos naturales, sociales y diseñados con NetLogo . Prensa del MIT. ISBN 978-0-2627-3189-8.
- 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.
enlaces externos
Artículos / información general
- Modelos de redes sociales basados en agentes, applets java.
- Guía en línea para principiantes en el modelado basado en agentes en las ciencias sociales
- Introducción al modelado y 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 [ enlace muerto permanente ]
- Preguntas frecuentes sobre el 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 Tecnología Multi-Agent en el dominio de los Sistemas de Información Empresarial. Jose Manuel Gomez Alvarez, Inteligencia Artificial, Universidad Politécnica de Madrid - 2006
- Marco de vida artificial
- Artículo que proporciona una metodología para trasladar los comportamientos humanos del mundo real a un modelo de simulación en el que se representan los comportamientos de los agentes.
- Recursos de modelado basados en agentes , un centro de información para modeladores, métodos y filosofía para el modelado basado en agentes
- Un modelo basado en agentes de la caída repentina del 6 de mayo de 2010, con implicaciones políticas , Tommi A. Vuorenmaa (Valo Research and Trading), Liang Wang (Universidad de Helsinki - Departamento de Ciencias de la Computación), octubre de 2013
Modelos de simulación
- Modelo de sistema de programación de reuniones de múltiples agentes de Qasim Siddique
- Simulación de mercado multiempresa por Valentino Piana
- Lista de modelos de simulación COVID-19