Un modelo basado en agentes ( ABM ) es un modelo computacional para simular las acciones e interacciones de agentes autónomos (tanto entidades individuales o colectivas como organizaciones o grupos) para comprender el comportamiento de un sistema y lo que gobierna sus resultados. Combina elementos de teoría de juegos , sistemas complejos , emergencia , sociología computacional , sistemas multiagente y programación evolutiva . Métodos de Montecarlose utilizan para comprender la estocasticidad de estos modelos. Particularmente dentro de la ecología, los ABM también se denominan modelos basados en individuos ( IBM ). [1] Una revisión de la literatura reciente sobre modelos basados en individuos, modelos basados en agentes y sistemas multiagente muestra que los ABM se utilizan en muchos dominios científicos, incluida la biología , la ecología y las ciencias sociales . [2] El modelado basado en agentes está relacionado con el concepto de sistemas multiagente o simulación multiagente , pero es distinto.en que el objetivo de ABM es buscar información explicativa sobre el 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 simulan 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 los subsistemas de nivel inferior. O bien, los cambios de estado a macroescala surgen de los comportamientos de los agentes a microescala. O bien, comportamientos simples (es decir, reglas seguidas por agentes) generan comportamientos complejos (es decir, cambios de estado en todo el nivel del sistema).
Los agentes individuales suelen caracterizarse como limitadamente racionales , se presume que actúan 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 entorno. Los ABM generalmente se implementan como simulaciones por computadora , ya sea como software personalizado o mediante juegos 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.
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.
La historia del modelo basado en agentes se remonta a la máquina de Von Neumann , una máquina teórica capaz de reproducir. El dispositivo que von Neumann propuso seguiría instrucciones detalladas con precisión para crear una copia de sí mismo. Luego, el concepto fue desarrollado por el amigo de von Neumann, Stanislaw Ulam , también matemático; Ulam sugirió que la máquina se construyera sobre papel, como una colección de celdas en una cuadrícula. La idea intrigó a von Neumann, quien la redactó, creando el primero de los dispositivos que más tarde se denominó autómatas celulares . Otro avance fue introducido por el matemático John Conway . Construyó el conocido Juego de la Vida. 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 .