《计算社会科学引论：从微观行为到宏观涌现》：
ABM还要完成对异质主体交互行为的计算实现。一旦主体的属性与行为被定义之后，模型必须能充分描述这些交互发生的时间。这比预先想象的要复杂得多。当序列时间失效或在当时背景下失去意义时，ABM会依次执行主体的规则。顺序可以是随机的、基于标签和地理位置的，或内生的：能获得最大收益的主体率先执行规则。
ABM的基础是行为刻画，主要表现形式和载体是高保真模型。ABM可以是只包括两个主体的简单模型，也可以是包含数以百万计主体的复杂模型。简单模型通常用于启发直觉以阐明核心原理；高保真模型通常用于设计政策、设想反事实以及参数校准等（Marchiand Page，2014），其主要方法基于Agent的建模是CAS理论的具体应用，主要由封装在计算机系统中的Agent、Agent间的互相作用、Agent所在的组织结构三个基本要素组成。建模者的任务是定义系统中具有自适应性的Agent，赋予它们必要的行为规则和合适的参数，让它们在一个系统中共存。整个系统的宏观现象以这些Agent的行为规则、参数、学习过程等为基础体现出来。这种建模方法有明显的特点，首先Agent是主动的、活的实体，这一点是CAS建模和其他建模方法的关键性区别；同时，在模型中，系统演化的主要动力是个体与环境（包括个体之间）的相互影响，而不仅是个体本身的内部属性；再有，基于Agent的建模不仅把宏观和微观有机地联系起来，还引进了随机因素和外生冲击的作用，且相应的处理方法也是很特别的。
多主体（Multi—agent）仿真是近年来出现的一种较新的ABM扩展方法，在许多领域得到了广泛的应用，尤其与复杂性研究关系密切。多主体仿真是一类微观仿真技术，它利用分布式人工智能领域的最新研究成果，依靠计算机强大的计算能力，采用自下而上的思路，对复杂系统建立模型。其中的微观个体与环境之间的相互作用，涌现出系统的宏观特征，从而在微观和宏观之间建立起联系的桥梁。
……
展开
