stringtranslate.com

Modelo basado en agentes

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) con el fin de 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 . Se utilizan métodos de Monte Carlo para comprender la estocasticidad de estos modelos. Especialmente en el ámbito 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, incluidos la biología , la ecología y las ciencias sociales . [2] El modelado basado en agentes está relacionado, pero es distinto, al concepto de sistemas multiagente o simulación de múltiples agentes en el sentido de que el objetivo de ABM es buscar una visión explicativa del comportamiento colectivo de agentes que obedecen reglas simples, típicamente en sistemas naturales, más que en 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 , lo que algunos expresan como "el todo es mayor que la suma de sus partes". En otras palabras, las propiedades de los sistemas de nivel superior surgen de las interacciones de los subsistemas de nivel inferior. O bien, los cambios de estado a escala macro surgen de comportamientos de agentes a escala micro. O bien, comportamientos simples (es decir, reglas seguidas por los agentes) generan comportamientos complejos (es decir, cambios de estado en todo el nivel del sistema).

Los agentes individuales se caracterizan típicamente como racionales limitados , se supone que actúan en función de 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) heurísticas 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 kits de herramientas ABM, y este software luego 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 finales de los años 1940. Dado que requiere procedimientos computacionales 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 reproducir. El dispositivo que propuso von Neumann seguiría instrucciones precisas y detalladas para crear una copia de sí mismo. El concepto fue desarrollado luego por el amigo de von Neumann, Stanislaw Ulam , también matemático; Ulam sugirió que la máquina se construyera sobre papel, como un conjunto de celdas en una cuadrícula. La idea intrigó a von Neumann, quien la redactó y creó el primero de los dispositivos que más tarde se denominaría autómata celular . Otro avance lo introdujo 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 mediante reglas simples en un mundo virtual en forma de tablero de ajedrez bidimensional .

El lenguaje de programación Simula , desarrollado a mediados de los años 1960 e implementado ampliamente a principios de los años 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 conceptuales basados ​​en agentes fue el modelo de segregación de Thomas Schelling , [6] que se analizó en su artículo "Modelos dinámicos de segregación" en 1971. Aunque Schelling originalmente utilizó monedas y papel cuadriculado en lugar de computadoras, sus modelos encarnó el concepto básico de modelos basados ​​en agentes como agentes autónomos que interactúan en un entorno compartido con un resultado emergente agregado 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 gobiernan el comportamiento de las abejas individuales. [7] Introdujeron el principio ToDo, refiriéndose a la forma en que los agentes "hacen lo que tienen 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 los hizo interactuar mediante agentes para determinar un ganador. Axelrod desarrollaría muchos otros modelos basados ​​en agentes en el campo de la ciencia política que examinan fenómenos desde el etnocentrismo hasta la difusión de la cultura. [8] A finales de la década de 1980, el trabajo de Craig Reynolds sobre modelos de bandada contribuyó al desarrollo de algunos de los primeros modelos basados ​​en agentes biológicos que contenían características sociales. Intentó modelar la realidad de los agentes biológicos vivos, conocidos como vida artificial , término acuñado por Christopher Langton .

Es difícil localizar el primer uso de la palabra "agente" y una definición tal como se utiliza actualmente. Un candidato parece ser el artículo de 1991 de John Holland y John H. Miller "Agentes adaptativos artificiales en teoría económica", [9] basado en una presentación anterior de ellos en una conferencia. Un candidato más fuerte y anterior es Allan Newell , quien en el primer discurso presidencial de la AAAI (publicado como The Knowledge Level [10] ) discutió los agentes inteligentes como un concepto.

Al mismo tiempo, durante la década de 1980, científicos sociales, matemáticos, investigadores de operaciones y un puñado 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). [11]

Década de 1990: expansión

La década de 1990 fue especialmente notable por la expansión del 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. [12] Otros desarrollos notables de la década de 1990 incluyeron Kathleen Carley ABM de la Universidad Carnegie Mellon , [13] para explorar la coevolución de las redes sociales y la cultura. El Instituto Santa Fe (SFI) fue importante a la hora de fomentar el desarrollo de la plataforma de modelado ABM Swarm bajo el liderazgo de Christopher Langton . La investigación realizada a través de SFI permitió la expansión de las técnicas ABM a varios campos, incluido el estudio de la dinámica social y espacial de primates y sociedades humanas a pequeña escala. [11] Durante este período de la década de 1990, Nigel Gilbert publicó el primer libro de texto sobre simulación social: simulación para científicos sociales (1999) y creó una revista desde la perspectiva de las ciencias sociales: la Revista de Sociedades Artificiales y Simulación Social (JASSS). Además de JASSS, los modelos basados ​​en agentes de cualquier disciplina están dentro del alcance de la revista SpringerOpen Complex Adaptive Systems Modeling (CASM). [14]

A mediados de la década de 1990, el hilo de ciencias sociales de 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 rebautizado como Análisis Computacional de Sistemas Sociales y Organizacionales (CASOS), incorporó cada vez más modelos basados ​​en agentes. Samuelson (2000) es una buena y breve reseña de la historia temprana, [15] y Samuelson (2005) y Samuelson y Macal (2006) rastrean los desarrollos más recientes. [16] [17]

A finales de la década de 1990, la fusión de TIMS y ORSA para formar INFORMS , y el paso de INFORMS de dos reuniones cada año a una, ayudaron a impulsar al grupo CMOT a formar una sociedad separada, la Asociación Norteamericana de Ciencias Organizacionales y Sociales Computacionales. (NAACSOS). Kathleen Carley fue una importante contribuyente, especialmente a los modelos de redes sociales, obtuvo fondos de la Fundación Nacional de Ciencias para la conferencia anual y fue la primera presidenta de NAACSOS. Fue sucedida 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 Asia-Pacífico para el Enfoque Basado en Agentes en la Ciencia de Sistemas Sociales (PAAA), contrapartes de NAACSOS. A partir de 2013, estas tres organizaciones colaboran a nivel internacional. El Primer Congreso Mundial sobre Simulación Social se celebró bajo su patrocinio conjunto en Kioto, Japón, en agosto de 2006. [ cita necesaria ] 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 acuerdos locales.

2000 y posteriores

Más recientemente, Ron Sun desarrolló métodos para basar la simulación basada en agentes en modelos de cognición humana, conocidos como simulación social cognitiva. [18] 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 1991, UCLA ha organizado una conferencia en Lake Arrowhead, California, que se ha convertido en otro importante punto de reunión para los profesionales de este campo. [19]

Teoría

La mayoría de las investigaciones sobre modelos computacionales describen sistemas en equilibrio o en movimiento entre equilibrios. Sin embargo, el modelado basado en agentes, que utiliza reglas simples, puede dar como resultado 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 a la del 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 de forma algorítmica en programas informáticos. En algunos casos, aunque no siempre, los agentes pueden considerarse inteligentes y decididos. En el ABM ecológico (a menudo denominados "modelos de base individual" en ecología), los agentes pueden ser, por ejemplo, árboles en un bosque, y no se considerarían inteligentes, aunque pueden tener un "determinado" 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 aquellas suposiciones que considera 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, se trata de un destrozo 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 permiten la posibilidad de generar esos equilibrios. Esta contribución generativa puede ser el mayor 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 redes de organizaciones terroristas e Internet, distribuciones de leyes de potencia del tamaño de atascos de tráfico, guerras y caídas del mercado de valores, 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 tipos de trayectoria dependiente.

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 considerar a los propios agentes: su diversidad, conectividad y nivel de interacciones.

Estructura

Trabajos recientes sobre modelado y simulación de sistemas adaptativos complejos han demostrado la necesidad de combinar modelos basados ​​en agentes y modelos basados ​​en redes complejas. [20] [21] [22] 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:

  1. Nivel de modelado de redes complejas para desarrollar modelos utilizando datos de interacción de varios componentes del sistema.
  2. Nivel de modelado exploratorio basado en agentes para desarrollar modelos basados ​​en agentes para evaluar la viabilidad de futuras investigaciones. Esto puede resultar 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.
  3. Modelado Descriptivo Basado en Agentes (DREAM) para desarrollar descripciones de modelos basados ​​en agentes mediante el uso de plantillas y modelos complejos basados ​​en redes. La creación de modelos DREAM permite la comparación de modelos entre disciplinas científicas.
  4. Modelado validado basado en agentes 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 [23] y métodos basados ​​en texto como el protocolo ODD (descripción general, conceptos de diseño y detalles de diseño). [24]

El papel del entorno donde viven los agentes, tanto macro como micro, [25] también se está convirtiendo en un factor importante en el trabajo de simulación y modelado basado en agentes. Un entorno simple ofrece agentes simples, pero los entornos complejos generan diversidad de comportamiento. [26]

Modelado multiescala

Una fortaleza del modelado basado en agentes es su capacidad para mediar el flujo de información entre escalas. Cuando se necesitan detalles adicionales sobre un agente, un investigador puede integrarlos con modelos que describan los detalles adicionales. Cuando uno está interesado en los comportamientos emergentes demostrados por la población de agentes, puede combinar el modelo basado en agentes con un modelo continuo que describe la dinámica de la población. Por ejemplo, en un estudio sobre células T CD4+ (un tipo de célula clave en el sistema inmunológico adaptativo), [27] los investigadores modelaron fenómenos biológicos que ocurren en diferentes escalas espaciales (intracelular, celular y sistémica), temporal y organizacional (señal). transducción, regulación genética, metabolismo, comportamientos celulares y transporte de citocinas). En el modelo modular resultante, la transducción de señales y la regulación genética se describen mediante un modelo lógico, el metabolismo mediante modelos basados ​​en restricciones, la dinámica de la población celular se describe mediante un modelo basado en agentes y las concentraciones de citoquinas sistémicas mediante ecuaciones diferenciales ordinarias. En este modelo de múltiples escalas, el modelo basado en agentes ocupa el lugar central y orquesta cada flujo de información entre escalas.

Aplicaciones

en biología

El modelado basado en agentes se ha utilizado ampliamente en biología, incluido el análisis de la propagación de epidemias , [28] y la amenaza de guerra biológica , aplicaciones biológicas que incluyen la dinámica de poblaciones , [29] expresión genética estocástica, [30] interacciones planta-animal, [31] ecología de la vegetación, [32] ecología migratoria, [33] diversidad del paisaje, [34] sociobiología , [35] el crecimiento y declive de las civilizaciones antiguas, evolución del comportamiento etnocéntrico, [36] desplazamiento/migración forzados, [37] dinámica de elección de lenguaje, [38] modelado cognitivo y aplicaciones biomédicas, incluido el modelado 3D de formación/morfogénesis del tejido mamario, [39] los efectos de la radiación ionizante en la dinámica de la subpoblación de células madre mamarias, [40] inflamación, [41] [42] y la sistema inmunológico humano . [43] Los modelos basados ​​en agentes también se han utilizado para desarrollar sistemas de apoyo a la toma de decisiones, como en el caso del cáncer de mama. [44] Los modelos basados ​​en agentes se utilizan cada vez más para modelar sistemas farmacológicos en etapas tempranas y en investigaciones preclínicas para ayudar en el desarrollo de fármacos y obtener conocimientos sobre los sistemas biológicos que no serían posibles a priori . [45] También se han evaluado aplicaciones militares. [46] Además, recientemente se han empleado modelos basados ​​en agentes para estudiar sistemas biológicos a nivel molecular. [47] [48] [49] También se han escrito modelos basados ​​en agentes para describir los procesos ecológicos que funcionan en sistemas antiguos, como los de entornos de dinosaurios y también en sistemas antiguos más recientes. [50] [51] [52]

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 cuanto a la precisión de las predicciones. [53] [54] Recientemente, los ABM, como CovidSim, del epidemiólogo Neil Ferguson , se han utilizado para informar intervenciones de salud pública (no farmacéuticas) contra la propagación del SARS-CoV-2 . [55] Los ABM epidemiológicos han sido criticados por supuestos simplificadores y poco realistas. [56] [57] Aún así, pueden ser útiles para informar decisiones sobre medidas de mitigación y supresión en los casos en que los ABM están calibrados con precisión. [58] Los ABM para tales simulaciones se basan principalmente en poblaciones sintéticas , ya que los datos de la población real no siempre están disponibles. [59]

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 empresariales y tecnológicos. Ejemplos de aplicaciones incluyen marketing , [64] comportamiento y cognición organizacional , [65] trabajo en equipo , [66] [67] optimización y logística de la cadena de suministro, modelado del comportamiento del consumidor , incluido el boca a boca , efectos de redes sociales , computación distribuida , fuerza laboral. gestión y gestión de carteras . También se han utilizado para analizar la congestión del tráfico . [68]

Recientemente, el modelado y la simulación basados ​​en agentes se han aplicado a diversos ámbitos, como el estudio del impacto de los lugares de publicación por parte de investigadores en el ámbito de las ciencias de la computación (revistas versus conferencias). [69] Además, los ABM se han utilizado para simular la entrega de información en entornos asistidos por ambiente. [70] Un artículo de noviembre de 2016 en arXiv analizó una simulación basada en agentes de publicaciones difundidas en Facebook . [71] En el ámbito 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. [72] 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. [73]

La búsqueda o algoritmo evolutivo basado en agentes es un nuevo tema de investigación para resolver problemas complejos de optimización. [74]

En la ciencia del equipo

En el ámbito de la ciencia de equipos, se han utilizado modelos basados ​​en agentes para evaluar los efectos de las características y sesgos de los miembros del equipo en el desempeño del equipo en diversos entornos. [75] Al simular interacciones entre agentes, cada uno de los cuales representa 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 del equipo, facilitando una exploración más profunda de las sutilezas y variabilidades inherentes a las colaboraciones en equipo.

En economía y ciencias sociales.

Antes y después de la crisis financiera de 2008 , ha aumentado el interés en los ABM como posibles herramientas para el análisis económico. [76] [77] Los ABM no asumen que la economía puede alcanzar el equilibrio y los " agentes representativos " son reemplazados por agentes con 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 estallidos que se desarrollan a partir de respuestas no lineales (desproporcionadas) a cambios proporcionalmente pequeños. [78] Un artículo de julio de 2010 en The Economist analizó los ABM como alternativas a los modelos DSGE . [78] La revista Nature también fomentó 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 [79] 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 microfundamentos. [80] 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. [81] Al modelar un sistema complejo de analistas basado en tres perfiles de comportamiento distintos (imitadores, antiimitadores e indiferentes), se simularon los mercados financieros con gran precisión. Los resultados mostraron una correlación entre la morfología de la red y el índice bursátil. [82] Sin embargo, el enfoque ABM ha sido criticado por su falta de solidez entre modelos, donde modelos similares pueden producir resultados muy diferentes. [83] [84]

Los ABM se han implementado en arquitectura y planificación urbana para evaluar el diseño y simular el flujo de peatones en el entorno urbano [85] y el examen de aplicaciones de políticas públicas al uso del suelo. [86] También existe un campo creciente de análisis socioeconómico del impacto de la inversión en infraestructura utilizando la capacidad de ABM para discernir impactos sistémicos en una red socioeconómica. [87] La ​​heterogeneidad y la dinámica se pueden construir fácilmente en los modelos ABM para abordar la desigualdad de riqueza y la movilidad social. [88]

en la gestión del agua

Los ABM también se han aplicado en la planificación y gestión de los recursos hídricos, particularmente para explorar, simular y predecir el desempeño del diseño de infraestructura y las decisiones políticas, [89] y para evaluar el valor de la cooperación y el intercambio de información en grandes sistemas de recursos hídricos. [90]

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". [91] 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 otros. Los agentes para sistemas se dividen en dos subcategorías. Los sistemas apoyados por agentes tratan del uso de agentes como una instalación de soporte para permitir la asistencia informática en la resolución de problemas o mejorar las capacidades cognitivas. Los sistemas basados ​​en agentes se centran en el uso de agentes para la generación de modelos de comportamiento en la evaluación de un sistema (estudios y análisis de sistemas).

Coches autónomos

Hallerbach et al. discutió la aplicación de enfoques basados ​​en agentes para el desarrollo y validación de sistemas de conducción automatizados a través de un gemelo digital del vehículo bajo prueba y una simulación microscópica del tráfico basada en agentes independientes. [92] Waymo ha creado un entorno de simulación de múltiples agentes, Carcraft, para probar algoritmos para vehículos autónomos . [93] [94] Simula las interacciones de 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. La idea básica de utilizar modelos basados ​​en agentes para comprender los vehículos autónomos se discutió ya en 2003. [95]

Implementación

Muchos marcos ABM están diseñados para arquitecturas informáticas serie von-Neumann , lo que limita la velocidad y escalabilidad de los modelos implementados. Dado que el comportamiento emergente en los ABM a gran escala depende del tamaño de la población, [96] las restricciones de escalabilidad pueden obstaculizar la validación del modelo. [97] Estas limitaciones se han abordado principalmente mediante la informática distribuida , con marcos como Repast HPC [98] específicamente dedicados a este tipo de implementaciones. Si bien estos enfoques se adaptan bien a las arquitecturas de clústeres y supercomputadoras , los problemas relacionados con la comunicación y la sincronización, [99] [100] , así como la complejidad de la implementación, [101] siguen siendo obstáculos potenciales para su adopción generalizada.

Un desarrollo reciente es el uso de algoritmos de datos paralelos en GPU de unidades de procesamiento de gráficos para la simulación ABM. [96] [102] [103] El ancho de banda de memoria extremo combinado con el gran poder de procesamiento numérico 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 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. [104] 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. [105]

Verificación y validación

La verificación y validación (V&V) de los modelos de simulación es extremadamente importante. [106] [107] La ​​verificación implica asegurarse de 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 facial, el análisis de sensibilidad, la calibración y la validación estadística son aspectos diferentes de la validación. [108] Se ha propuesto un enfoque de marco de simulación de eventos discretos para la validación de sistemas basados ​​en agentes. [109] Puede encontrar un recurso completo sobre la validación empírica de modelos basados ​​en agentes aquí. [110]

Como ejemplo de técnica V&V, considere VOMAS (sistema multiagente de superposición virtual), [111] un enfoque basado en ingeniería de software, donde se desarrolla un sistema multiagente de superposición virtual junto con el modelo basado en agentes. Muazi et al. También proporcione un ejemplo del uso de VOMAS para la verificación y validación de un modelo de simulación de incendios forestales. [112] [113] Otro método de ingeniería de software, es decir, el desarrollo basado en pruebas, se ha adaptado para la validación de modelos basados ​​en agentes. [114] Este enfoque tiene otra ventaja que permite una validación automática utilizando herramientas de prueba unitaria.

Ver también

Referencias

  1. ^ Grimm, Volker; Railsback, Steven F. (2005). Modelado y ecología basados ​​en el individuo . Prensa de la Universidad de Princeton. pag. 485.ISBN​ 978-0-691-09666-7.
  2. ^ ab 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.
  3. ^ Gustafsson, Leif; Sternad, Mikaël (2010). "Modelado de población consistente micro, macro y estatal". Biociencias Matemáticas . 225 (2): 94-107. doi :10.1016/j.mbs.2010.02.003. PMID  20171974.
  4. ^ "Modelos de ecosistemas industriales basados ​​en agentes". Universidad Rutgers . 6 de octubre de 2003. Archivado desde el original el 20 de julio de 2011.
  5. ^ 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 (Suplemento 3): 7280–7. Código bibliográfico : 2002PNAS...99.7280B. doi : 10.1073/pnas.082080899 . PMC 128598 . PMID  12011407. 
  6. ^ Schelling, Thomas C. (1971). "Modelos dinámicos de segregación" (PDF) . Revista de Sociología Matemática . 1 (2): 143–186. doi :10.1080/0022250x.1971.9989794. Archivado (PDF) desde el original el 1 de diciembre de 2016 . Consultado el 21 de abril de 2015 .
  7. ^ Hogeweg, Paulien (1983). "La ontogenia de la estructura de interacción en colonias de abejorros: un modelo ESPEJO". Ecología y Sociobiología del Comportamiento . 12 (4): 271–283. doi :10.1007/BF00302895. S2CID  22530183.
  8. ^ 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.
  9. ^ Holanda, JH; Molinero, JH (1991). "Agentes adaptativos artificiales en la teoría económica" (PDF) . Revista económica estadounidense . 81 (2): 365–71. Archivado desde el original (PDF) el 27 de octubre de 2005.
  10. ^ Newell, Allen (enero de 1982). "El nivel de conocimiento". Inteligencia artificial . 18 (1): 87–127. doi :10.1016/0004-3702(82)90012-1. ISSN  0004-3702. S2CID  40702643.
  11. ^ ab Kohler, Timoteo; Gumerman, George (2000). Dinámica en sociedades humanas y de primates: modelado de procesos sociales y espaciales basado en agentes . Nueva York, Nueva York: Instituto Santa Fe y Oxford University Press. ISBN 0-19-513167-3.
  12. ^ Epstein, Josué 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.
  13. ^ "Construir". Análisis computacional de sistemas organizacionales sociales. Archivado desde el original el 11 de octubre de 2008 . Consultado el 19 de febrero de 2008 .
  14. ^ "Revista de modelado de sistemas adaptativos complejos de Springer (CASM)". Archivado desde el original el 18 de junio de 2012 . Consultado el 1 de julio de 2012 .
  15. ^ Samuelson, Douglas A. (diciembre de 2000). "Diseño de Organizaciones". OR/MS hoy . Archivado desde el original el 17 de junio de 2019 . Consultado el 17 de junio de 2019 .
  16. ^ Samuelson, Douglas A. (febrero de 2005). "Agentes de cambio". OR/MS hoy . Archivado desde el original el 17 de junio de 2019 . Consultado el 17 de junio de 2019 .
  17. ^ Samuelson, Douglas A.; Macal, Charles M. (agosto de 2006). "El modelado basado en agentes alcanza la mayoría de edad". OR/MS hoy . Archivado desde el original el 17 de junio de 2019 . Consultado el 17 de junio de 2019 .
  18. ^ Sol, Ron , ed. (Marzo de 2006). Cognición e interacción multiagente: del modelado cognitivo a la simulación social. Prensa de la Universidad de Cambridge . ISBN 978-0-521-83964-8.
  19. ^ "Simposio de UCLA Lake Arrowhead: Historia". uclaarrowheadsymposium.org . Instituto de Estudios de Transporte de UCLA . Consultado el 11 de febrero de 2024 .
  20. ^ Aditya Kurve; Khashayar Kotobi; George Kesidis (2013). "Un marco basado en agentes para el modelado del rendimiento de un simulador optimista de eventos discretos paralelos". Modelado de sistemas adaptativos complejos . 1 : 12. doi : 10.1186/2194-3206-1-12 .
  21. ^ Niazi, Muaz AK (30 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación formales, de red y validados basados ​​en agentes de sistemas adaptativos complejos". hdl : 1893/3365. {{cite journal}}: Citar revista requiere |journal=( ayuda ) (Tesis Doctoral)
  22. ^ Niazi, MA y Hussain, A (2012), Computación cognitiva basada en agentes-I: un marco unificado para modelar sistemas adaptativos complejos utilizando métodos complejos basados ​​en redes y basados ​​en agentes Computación cognitiva basada en agentes Archivado el 24 de diciembre de 2012 en la máquina de wayback
  23. ^ "Plantillas de código de enjambre para comparación de modelos". Grupo de desarrollo de enjambres . Archivado desde el original el 3 de agosto de 2008.
  24. ^ Volker Grimm; Uta Berger; Finn Bastiansen; et al. (15 de septiembre de 2006). "Un protocolo estándar para describir modelos basados ​​en individuos y agentes". Modelización Ecológica . 198 (1–2): 115–126. Código Bib : 2006EcMod.198..115G. doi :10.1016/j.ecolmodel.2006.04.023. S2CID  11194736.(Papel IMPAR)
  25. ^ Ch'ng, E. (2012) Entorno macro y micro para la diversidad de comportamiento en la simulación de vida artificial, sesión de vida artificial, sexta conferencia internacional sobre informática suave y sistemas inteligentes, decimotercer simposio internacional sobre sistemas inteligentes avanzados, 20 de noviembre. 24 de 2012, Kobe, Japón. Macro y microentorno Archivado el 13 de noviembre de 2013 en Wayback Machine .
  26. ^ Simon, Herbert A. Las ciencias de lo artificial. Prensa del MIT, 1996.
  27. ^ Wertheim, Kenneth Y.; Puniy, Bhanwar Lal; Fleur, Alyssa La; Shah, Ab Rauf; Barberis, Mateo; Helikar, Tomáš (3 de agosto de 2021). "Una plataforma de múltiples enfoques y múltiples escalas para modelar las células T CD4 + que responden a las infecciones". PLOS Biología Computacional . 17 (8): e1009209. Código Bib : 2021PLSCB..17E9209W. doi : 10.1371/journal.pcbi.1009209 . ISSN  1553-7358. PMC 8376204 . PMID  34343169. 
  28. ^ Situngkir, Hokky (2004). "Epidemiología a través de autómatas celulares: caso de estudio de la influenza aviar en Indonesia". arXiv : nlin/0403035 .
  29. ^ Capat, Paul; Anand, Madhur; Bauch, Chris (10 de marzo de 2008). "La competencia simétrica provoca oscilaciones poblacionales en un modelo individual de dinámica forestal". Modelización Ecológica . 211 (3–4): 491–500. Código Bib : 2008EcMod.211..491C. doi :10.1016/j.ecolmodel.2007.10.002.
  30. ^ Thomas, Philipp (diciembre de 2019). "Ruido intrínseco y extrínseco de la expresión génica en árboles de linaje". Informes científicos . 9 (1): 474. Código bibliográfico : 2019NatSR...9..474T. doi :10.1038/s41598-018-35927-x. ISSN  2045-2322. PMC 6345792 . PMID  30679440. 
  31. ^ Fedriani JM, T Wiegand, D Ayllón, F Palomares, A Suárez-Esteban y V. Grimm. 2018. Ayudar a los dispersores de semillas a restaurar campos antiguos: un modelo individual de las interacciones entre tejones, zorros y perales ibéricos. Revista de Ecología Aplicada 55: 600–611.
  32. ^ Ch'ng, E. (2009) Un enfoque de modelado de vegetación artificial basado en vida para la investigación de la biodiversidad, en Informática inspirada en la naturaleza para aplicaciones inteligentes y descubrimiento de conocimientos: 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 .
  33. ^ Weller, FG; Webb, EB; Beatty, WS; Fogenburg, S.; Kesler, D.; Blenk, RH; Eadie, JM; Ringelman, K.; Molinero, ML (2022). Modelado de movimientos y selección de hábitat basado en agentes de ánades reales del medio continente (Informe). Serie de ciencia cooperadora. Washington, D. C: Departamento del Interior de EE. UU., Servicio de Pesca y Vida Silvestre. doi : 10.3996/css47216360. FWS/CSS-143-2022.
  34. ^ Wirth, E.; Szabó, Gy.; Czinkóczky, A. (7 de junio de 2016). "Medida de heterogeneidad del paisaje mediante metodología basada en agentes". Anales ISPRS de fotogrametría, teledetección y ciencias de la información espacial . III-8: 145-151. Código Bib : 2016ISPAnIII8..145W. doi : 10.5194/isprs-annals-iii-8-145-2016 .
  35. ^ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer., Dietrich (2009). "Evolución del etnocentrismo en las redes Barabási-Albert dirigidas y no dirigidas". Physica A: Mecánica estadística y sus aplicaciones . 388 (24): 4999–5004. arXiv : 0905.2672 . Código Bib : 2009PhyA..388.4999L. doi :10.1016/j.physa.2009.08.029. S2CID  18233740.
  36. ^ Lima, Francisco WS; Hadzibeganovic, Tarik; Stauffer, Dietrich (2009). "Evolución del etnocentrismo en las redes Barabási-Albert dirigidas y no dirigidas". Física A. 388 (24): 4999–5004. arXiv : 0905.2672 . Código Bib : 2009PhyA..388.4999L. doi :10.1016/j.physa.2009.08.029. S2CID  18233740.
  37. ^ Edwards, Scott (9 de junio de 2009). El caos de la migración forzada: un medio modelo para un fin humanitario . Verlag VDM . pag. 168.ISBN​ 978-3-639-16516-6.
  38. ^ Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, cristiano (2009). "Simulaciones informáticas basadas en agentes de la dinámica de elección de idiomas". Anales de la Academia de Ciencias de Nueva York . 1167 (1): 221–229. Código Bib : 2009NYASA1167..221H. doi :10.1111/j.1749-6632.2009.04507.x. PMID  19580569. S2CID  32790067.
  39. ^ Espiga, Jonathan; Enderling, Heiko ; Becker-Weimann, Sabine; Pham, Cristóbal; Polizos, Aris; Chen, Charlie; Costes, Sylvain (2011). "Mapas de transición fenotípica de acinos mamarios 3D obtenidos mediante modelado basado en agentes guiado por imágenes". Biología Integrativa . 3 (4): 408–21. doi :10.1039/c0ib00092b. PMC 4009383 . PMID  21373705. 
  40. ^ Espiga, 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 de la adulta, aumenta la autorrenovación de las células madre y los tumores negativos al receptor de estrógeno". Células madre . 32 (3): 649–61. doi : 10.1002/stem.1533 . PMID  24038768. S2CID  32979016.
  41. ^ Espiga, Jonathan; Ley, Klaus; Cazar, C. Anthony (2007). "Dinámica de la rodadura, 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. 
  42. ^ Espiga, Jonathan; Cazar, C. Anthony (2010). "Identificar las reglas de participación que permiten la rodadura, activación y adhesión de los leucocitos". PLOS Biología Computacional . 6 (2): e1000681. Código Bib : 2010PLSCB...6E0681T. doi : 10.1371/journal.pcbi.1000681 . PMC 2824748 . PMID  20174606. 
  43. ^ Castiglione, Filippo; Celada, Franco (2015). Modelado y simulación del sistema inmunológico. Prensa CRC, Boca Ratón. pag. 274.ISBN​ 978-1-4665-9748-8. Archivado desde el original el 4 de febrero de 2023 . Consultado el 17 de diciembre de 2017 .
  44. ^ Siddiqa, Amna; Niazi, Muaz; Mustafa, Farah; Bokhari, Habib; Hussain, Amir; Akram, Noreen; Shaheen, Shabnum; Ahmed, Fouzia; Iqbal, Sara (2009). "Un nuevo sistema híbrido de apoyo a la toma de decisiones de simulación y modelado basado en agentes para el análisis de datos sobre el cáncer de mama" (PDF) . 2009 Congreso Internacional sobre 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.(DSS de cáncer de mama)
  45. ^ Mayordomo, James; Cosgrove, Jason; Alden, Kieran; Lee, Marcos; 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. 
  46. ^ 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.
  47. ^ Azimi, Mahoma; 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". MÁS UNO . 6 (9): e25306. Código Bib : 2011PLoSO...625306A. doi : 10.1371/journal.pone.0025306 . PMC 3179499 . PMID  21966493. 
  48. ^ Azimi, Mahoma; Mofrad, Mohammad RK (2013). "Una mayor afinidad de nucleoporina-importinaβ en la cesta nuclear aumenta la importación nucleocitoplasmática". MÁS UNO . 8 (11): e81741. Código Bib : 2013PLoSO...881741A. doi : 10.1371/journal.pone.0081741 . PMC 3840022 . PMID  24282617. 
  49. ^ Azimi, Mahoma; 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. 
  50. ^ Pahl, Cameron C.; Ruedas, Luis (2021). "Carnosaurios como Apex Scavengers: simulaciones basadas en agentes revelan posibles análogos de buitres en dinosaurios del Jurásico tardío". Modelización Ecológica . 458 : 109706. Código Bib : 2021EcMod.45809706P. doi :10.1016/j.ecolmodel.2021.109706.
  51. ^ Volmer; et al. (2017). "¿Panthera pardus (Linnaeus, 1758) se extinguió en Sumatra debido a la competencia por las presas? Modelado de la competencia interespecífica dentro del gremio de carnívoros del Pleistoceno tardío de las tierras altas de Padang, Sumatra". Paleogeografía, Paleoclimatología, Paleoecología . 487 : 175–186. Código Bib : 2017PPP...487..175V. doi :10.1016/j.palaeo.2017.08.032.
  52. ^ Hagen, Oskar; Flück, Benjamín; Fopp, Fabián; Cabral, Juliano C.; Hartig, Florián; Pontarp, Mikaël; Rangel, Thiago F.; Pellissier, Loïc (2021). "gen3sis: un motor general para simulaciones ecoevolutivas de los procesos que dan forma a la biodiversidad de la Tierra". Más biología . 19 (7): e3001340. doi : 10.1371/journal.pbio.3001340 . PMC 8384074 . PMID  34252071. S2CID  235807562. 
  53. ^ 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. Código Bib : 2008JApEc..45..415E. doi :10.1111/j.1365-2664.2007.01439.x. ISSN  0021-8901. PMC 2326892 . PMID  18784795. 
  54. ^ Railsback, Steven F.; Grimm, Volker (26 de marzo de 2019). Modelado basado en agentes y basado en individuos. Prensa de la Universidad de Princeton. ISBN 978-0-691-19082-2. Archivado desde el original el 24 de octubre de 2020 . Consultado el 19 de octubre de 2020 .
  55. ^ Adán, David (2 de abril de 2020). "Informe especial: Las simulaciones que impulsan la respuesta mundial al COVID-19". Naturaleza . 580 (7803): 316–318. Código Bib :2020Natur.580..316A. doi :10.1038/d41586-020-01003-6. PMID  32242115. S2CID  214771531.
  56. ^ 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 desde el original el 16 de mayo de 2021 . Consultado el 19 de octubre de 2020 .
  57. ^ 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 global: un llamado a la acción". Revista de Sociedades Artificiales y Simulación Social . 23 (2): 10. doi : 10.18564/jasss.4298 . hdl : 10037/19057 . ISSN  1460-7425. S2CID  216426533. Archivado desde el original el 24 de febrero de 2021 . Consultado el 19 de octubre de 2020 .
  58. ^ Maziarz, Mariusz; Zach, Martín (2020). "Modelado basado en agentes para la predicción de la epidemia de SARS-CoV-2 y la evaluación de la intervención: 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. 
  59. ^ Manout, O.; Ciari, F. (2021). "Evaluación del papel de las actividades diarias y la movilidad en la propagación de COVID-19 en Montreal con un enfoque basado en agentes". Fronteras en el entorno construido . 7 . doi : 10.3389/fbuil.2021.654279 .
  60. ^ Kerr, acantilado; et al. (2021), "Covasim: un modelo basado en agentes de dinámicas e intervenciones de COVID-19", medRxiv , vol. 17, núm. 7, págs. e1009149, Bibcode : 2021PLSCB..17E9149K, doi : 10.1371/journal.pcbi.1009149 , PMC 8341708 , PMID  34310589 
  61. ^ Hinch, Robert; et al. (2021), "OpenABM-Covid19: un modelo basado en agentes para intervenciones no farmacéuticas contra COVID-19, incluido el rastreo de contactos", PLOS Computational Biology , 17 (7): e1009146, Bibcode : 2021PLSCB..17E9146H, doi : 10.1371/ diario.pcbi.1009146 , PMC 8328312 , PMID  34252083 
  62. ^ Shattock, Andrés; Le Rutte, Epke; et al. (2021), "Impacto de la vacunación y las intervenciones no farmacéuticas en la dinámica del SARS-CoV-2 en Suiza", Epidemics , 38 (7): 100535, Bibcode :2021PLSCB..17E9146H, doi :10.1016/j.epidem.2021.100535, PMC 8669952 , PMID  34923396, archivado desde el original el 4 de febrero de 2023 , consultado el 15 de febrero de 2022 
  63. ^ "Repositorio Git con código fuente de acceso abierto para OpenCOVID". GitHub . TPH suizo. 31 de enero de 2022. Archivado desde el original el 15 de febrero de 2022 . Consultado el 15 de febrero de 2022 .
  64. ^ Rand, William; Óxido, Roland T. (2011). "Modelado basado en agentes en marketing: directrices para el rigor". Revista Internacional de Investigación en Marketing . 28 (3): 181-193. doi :10.1016/j.ijresmar.2011.04.002.
  65. ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Simulación y modelado basado 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.
  66. ^ Boroomand, Amin (2021). "Trabajo duro, asunción de riesgos y diversidad en un modelo de resolución colectiva de problemas". Revista de Sociedades Artificiales y Simulación Social . 24 (4). doi :10.18564/jasss.4704.
  67. ^ 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". Transacciones IEEE sobre sistemas, hombre y cibernética - Parte A: Sistemas y humanos . 42 (6): 1425-1439. doi :10.1109/TSMCA.2012.2199304. S2CID  7985332.
  68. ^ "Aplicación de 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 .
  69. ^ Niazi, M.; Baig, AR; Hussain, A.; Bhatti, S. (2008). «Simulación del proceso de investigación» (PDF) . En Mason, S.; colina, R.; Mönch, L.; Rosa, O.; Jefferson, T.; Fowler, JW (eds.). Conferencia de simulación de invierno de 2008 . págs. 1326-1334. doi :10.1109/WSC.2008.4736206. hdl : 1893/3203. ISBN 978-1-4244-2707-9. S2CID  6597668. Archivado (PDF) desde el original el 1 de junio de 2011 . Consultado el 7 de junio de 2009 .
  70. ^ Niazi, Muaz A. (2008). "Arquitectura de entrega de contenido personalizada y autoorganizada para entornos asistidos por ambiente" (PDF) . Actas del tercer taller internacional sobre Uso de P2P, grid y agentes para el desarrollo de redes de contenidos . págs. 45–54. doi :10.1145/1384209.1384218. ISBN 9781605581552. S2CID  16916130. Archivado desde el original (PDF) el 14 de junio de 2011.
  71. ^ 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 Facebook". arXiv : 1611.07454 [cs.SI].
  72. ^ 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.
  73. ^ 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 Bib : 2011ISenJ..11..404N. doi :10.1109/JSEN.2010.2068044. hdl : 1893/3398. S2CID  15367419. Archivado desde el original (PDF) el 25 de julio de 2011.
  74. ^ Sarker, RA; Rayo, T. (2010). "Enfoque evolutivo basado en agentes: una introducción". Búsqueda evolutiva basada en agentes . Adaptación, Aprendizaje y Optimización. vol. 5. págs. 1-11. doi :10.1007/978-3-642-13425-8_1. ISBN 978-3-642-13424-1.
  75. ^ Boroomand, Amin; Smaldino, Paul E. (2023). "El sesgo de superioridad y el ruido de la comunicación pueden mejorar la resolución colectiva de problemas". Revista de Sociedades Artificiales y Simulación Social . 26 (3). doi :10.18564/jasss.5154.
  76. ^ Página, Scott E. (2008). Modelos basados ​​en agentes (2 ed.). Archivado desde el original el 10 de febrero de 2018 . Consultado el 3 de octubre de 2011 . {{cite book}}: |work=ignorado ( ayuda )
  77. ^ Prueba de grasa, Leigh ; Judd, Kenneth , eds. (mayo de 2006). Manual de economía computacional. vol. 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)
  78. ^ ab "Agentes de cambio". El economista . 22 de julio de 2010. Archivado desde el original el 23 de enero de 2011 . Consultado el 16 de febrero de 2011 .
  79. ^ "Un enfoque modelo". Naturaleza . 460 (7256): 667. 6 de agosto de 2009. Bibcode : 2009Natur.460Q.667.. doi : 10.1038/460667a . PMID  19661863.
  80. ^ Granjero y Foley 2009, pág. 685.
  81. ^ Granjero y Foley 2009, pág. 686.
  82. ^ 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.
  83. ^ David, 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.
  84. ^ Rand, William; Rust, Roland T. (julio de 2011). "Modelado basado en agentes en marketing: directrices para el rigor". Revista Internacional de Investigación en Marketing . 28 (3): 181-193. doi :10.1016/j.ijresmar.2011.04.002.
  85. ^ Aschwanden, RGPD; 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.
  86. ^ Marrón, Daniel G.; Página, Scott E.; Zellner, Moira; Rand, William (2005). "Dependencia de la ruta y validación de modelos espaciales de uso del suelo basados ​​en agentes". Revista Internacional de Ciencia de la Información Geográfica . 19 (2): 153-174. Código Bib : 2005IJGIS..19..153B. doi : 10.1080/13658810410001713399 .
  87. ^ Smetanin, Paul; Rígido, 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). Archivado (PDF) desde el original el 18 de noviembre de 2016 . Consultado el 17 de noviembre de 2016 .
  88. ^ Yang, Xiaoliang; Zhou, Peng (abril de 2022). "Desigualdad de riqueza y movilidad social: un enfoque de modelado basado en simulación". Revista de organización y comportamiento económico . 196 : 307–329. doi : 10.1016/j.jebo.2022.02.012 . hdl : 10419/261231 . S2CID  247143315.
  89. ^ Berglund, Emily Zechman (noviembre de 2015). "Uso de modelos basados ​​en agentes para la planificación y gestión de recursos hídricos". Revista de Planificación y Gestión de Recursos Hídricos . 141 (11): 04015025. doi :10.1061/(ASCE)WR.1943-5452.0000544. ISSN  0733-9496. Archivado desde el original el 19 de enero de 2022 . Consultado el 18 de septiembre de 2021 .
  90. ^ Giuliani, M.; Castelletti, A. (julio de 2013). "Evaluación del valor de la cooperación y el intercambio de información en grandes sistemas de recursos hídricos mediante optimización basada en agentes: Marco MAS para grandes sistemas de recursos hídricos". Investigación de recursos hídricos . 49 (7): 3912–3926. doi : 10.1002/wrcr.20287 . S2CID  128659104.
  91. ^ "Simulación dirigida por agentes". Archivado desde el original el 27 de septiembre de 2011 . Consultado el 9 de agosto de 2011 .
  92. ^ Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). "Identificación basada en simulación de escenarios críticos para vehículos cooperativos y automatizados". Revista Internacional SAE de Vehículos Conectados y Automatizados . SAE Internacional. 1 (2): 93-106. doi :10.4271/2018-01-1066.
  93. ^ Madrigal, historia de Alexis C. "Dentro del mundo secreto de Waymo para entrenar vehículos autónomos". El Atlántico . Archivado desde el original el 14 de agosto de 2020 . Consultado el 14 de agosto de 2020 .
  94. ^ Connors, J.; Graham, S.; Mailloux, L. (2018). "Modelado cibersintético para aplicaciones de vehículo a vehículo". En Conferencia Internacional sobre Seguridad y Guerra Cibernética . Conferencias académicas internacionales limitadas: 594-XI.
  95. ^ Yang, Guoqing; Wu, Zhaohui; Li, Xiumei; Chen, Wei (2003). "SVE: entorno de vehículo inteligente basado en agentes integrados". Actas de la Conferencia Internacional IEEE de 2003 sobre Sistemas de Transporte Inteligentes . vol. 2. págs. 1745-1749 vol.2. doi :10.1109/ITSC.2003.1252782. ISBN 0-7803-8125-4. S2CID  110177067. Archivado desde el original el 31 de enero de 2022 . Consultado el 19 de agosto de 2021 .
  96. ^ ab Lysenko, Mikola; D'Souza, Roshan M. (2008). "Un marco para simulaciones de modelos basados ​​en agentes a megaescala en unidades de procesamiento de gráficos". Revista de Sociedades Artificiales y Simulación Social . 11 (4): 10. ISSN  1460-7425. Archivado desde el original el 26 de abril de 2019 . Consultado el 16 de abril de 2019 .
  97. ^ Gulyás, László; Szemes, Gábor; Kampis, George; de Back, Walter (2009). "Una API compatible con modeladores para particiones ABM". Actas de las conferencias técnicas internacionales de ingeniería de diseño de ASME 2009 y la conferencia de informática e información en ingeniería IDETC/CIE 2009 . San Diego, California, Estados Unidos. 2 : 219–226. Archivado desde el original el 16 de abril de 2019 . Consultado el 16 de abril de 2019 .
  98. ^ Collier, N.; Norte, M. (2013). "Simulación paralela basada en agentes con Repast para informática de alto rendimiento". Simulación . 89 (10): 1215-1235. doi :10.1177/0037549712462620. S2CID  29255621.
  99. ^ Fujimoto, R. (2015). "Simulación paralela y distribuida". Conferencia de simulación de invierno de 2015 (WSC) . Huntington Beach, California, Estados Unidos. págs. 45–59. doi :10.1109/WSC.2015.7408152. ISBN 978-1-4673-9743-8. S2CID  264924790. Archivado desde el original el 4 de febrero de 2023 . Consultado el 6 de septiembre de 2020 .{{cite book}}: Mantenimiento CS1: falta el editor de la ubicación ( enlace )
  100. ^ Sacudió, E.; Wang, S.; Tang, W. (2013). "Un marco consciente de la comunicación para modelos paralelos basados ​​​​en agentes espacialmente explícitos". Revista Internacional de Ciencia de la Información Geográfica . Taylor y Francisco. 27 (11): 2160–2181. Código Bib : 2013IJGIS..27.2160S. doi :10.1080/13658816.2013.771740. S2CID  41702653.
  101. ^ Jonás, E.; Pu, Q.; Venkataraman, S.; Estoica, I.; Recht, B. (2017). "Ocupar la nube: informática distribuida para el 99%". Actas del Simposio sobre Computación en la Nube de 2017 (SoCC '17) . Santa Clara, California, EE.UU.: ACM: 445–451. arXiv : 1702.04024 . Código Bib : 2017arXiv170204024J. doi :10.1145/3127479.3128601. S2CID  854354.
  102. ^ 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.
  103. ^ Richmond, Pablo; Romano, Daniela M. (2008). "GPU basada en agentes, un marco de visualización interactiva y simulación 3D en tiempo real para modelado masivo basado en agentes en la GPU" (PDF) . Actas del Taller internacional sobre supervisualización (IWSV08) . Archivado desde el original (PDF) el 15 de enero de 2009 . Consultado el 27 de abril de 2012 .
  104. ^ Marrón, Daniel G.; Riolo, Rick; Robinson, Derek T.; Norte, Michael; Rand, William (2005). "Modelos de datos y procesos espaciales: hacia la integración de modelos basados ​​en agentes y SIG". Revista de Sistemas Geográficos . Saltador. 7 (1): 25–47. Código Bib : 2005JGS.....7...25B. doi :10.1007/s10109-005-0148-5. hdl : 2027.42/47930 . S2CID  14059768.
  105. ^ Zhang, J.; Tong, L.; Lamberson, PJ; Durazo-Arvizu, RA; Lucas, A.; Shoham, DA (2015). "Aprovechar 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. 
  106. ^ Sargent, RG (2000). "Verificación, validación y acreditación de modelos de simulación". Actas de la conferencia de simulación de invierno de 2000 (n.º de catálogo 00CH37165) . vol. 1. págs. 50–59. CiteSeerX 10.1.1.17.438 . doi :10.1109/WSC.2000.899697. ISBN  978-0-7803-6579-7. S2CID  57059217.
  107. ^ 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. Archivado desde el original el 21 de junio de 2009 . Consultado el 26 de enero de 2010 .
  108. ^ Klügl, F. (2008). "Una metodología de validación para simulaciones basadas en agentes". Actas del simposio ACM de 2008 sobre informática aplicada - SAC '08 . págs. 39–43. doi :10.1145/1363686.1363696. ISBN 9781595937537. S2CID  9450992.
  109. ^ Fortino, G.; Garro, A.; Ruso, W. (2005). "Un marco de simulación de eventos discretos para la validación de sistemas multiagente y basados ​​en agentes" (PDF) . Archivado (PDF) desde el original el 26 de junio de 2011 . Consultado el 27 de septiembre de 2009 . {{cite journal}}: Citar diario requiere |journal=( ayuda )
  110. ^ Tesfatsión, Leigh. "Validación empírica: economía computacional basada en agentes". Universidad del Estado de Iowa . Archivado desde el original el 26 de junio de 2020 . Consultado el 24 de junio de 2020 .
  111. ^ Niazi, Muaz; Hussain, Amir; Kolberg, Mario. "Verificación y Validación de Simulaciones Basadas en Agentes utilizando el enfoque VOMAS" (PDF) . Actas del tercer taller sobre simulación y sistemas multiagente '09 (MASS '09), como parte de MALLOW 09, del 7 al 11 de septiembre de 2009, Turín, Italia . Archivado desde el original (PDF) el 14 de junio de 2011.
  112. ^ 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 de simulación dirigida por agentes 2010, 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.
  113. ^ Niazi, Muaz AK (11 de junio de 2011). "Hacia un nuevo marco unificado para el desarrollo de modelos de simulación formales, de red y validados basados ​​en agentes de sistemas adaptativos complejos". Universidad de Stirling . hdl : 1893/3365. {{cite journal}}: Citar revista requiere |journal=( ayuda ) Tesis doctoral
  114. ^ Onggo, BS; Karatas, M. (2016). "Modelado de simulación basada en pruebas: un estudio de caso que utiliza 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. Archivado desde el original el 30 de junio de 2020 . Consultado el 30 de marzo de 2021 .

General

enlaces externos

Artículos/información general

Modelos de simulación