江世杰, 韩战钢

(北京师范大学管理学院,北京 100875)

Agent-based modeling(简称ABM)是一种研究复杂系统的模型化手段,它可以方便地将一些不易数学化的规则纳入模型,并且易于表示学习、发展(develop)等外生的信息,这使得它有别于传统模型方法,如微分方程、统计分析及系统动力学等[1].其与微分方程模型化方法的主要区别在于微分方程使用宏观的变量,如密度,而基于agent的模型方法使用微观变量,如描述具体的某个分子或个体.

在社会系统等复杂系统中,包含大量个体,个体间相互影响,并且通过学习调整自己的行为以更加适应周围的环境.ABM由相互作用的自主agent组成,每个agent有自己的行为规则,既能够影响其他的agent或环境,也能被其他的agent或环境所影响.在基于agent的模型的微观层面,每个agent所遵循的具体规则都比较简单,但是,在宏观层面上,agent可以通过自组织,产生并不一定可以直观想象出来的宏观效果、整体行为(collective behavior)[2].相关研究使得人们可以在规则制定时预计到会产生的系统整体行为,并使得人们可以修改这些规则,让系统向着有利于系统整体效益的方向发展.这种在微观、宏观多尺度上产生的并不能用简单相加解释的宏观效果,被称为是涌现性(emergence)[1].虽然涌现这一概念已经提出很久,但是,其出现机制和效能并没有被彻底解决.加州州立大学的Abbott教授也曾明确指出涌现性是复杂系统研究的重点关注对象(原文为“圣餐”——holy grail)[3].

ABM为观察和研究复杂系统中的类似现象提供了强……