Agentgebaseerde

Agentgebaseerde modellering, vaak afgekort als ABM in de literatuur, is een methode voor het bestuderen van complexe systemen door ze te decomponeren in autonome agenten die met elkaar en met hun omgeving interageren. Elke agent heeft eigen eigenschappen, een toestand en gedragsregels, en handelt op basis van lokale waarnemingen. Door de cumulatieve werking van veel individuele agenten ontstaan macro‑gedragingen die vaker niet, of op onverwachte wijze, voortkomen uit eenvoudige lokale principes. Agentgebaseerde modellen worden toegepast in de sociale wetenschappen, ecologie, economie, logistiek en engineering.

Belangrijke kenmerken zijn onder meer heterogene agenten, een gedefinieerde omgeving waaruit agenten waarnemen en waarmee ze kunnen interageren, en een tijdsmodel of scheduler die bepaalt wanneer agenten handelen. Adaptief gedrag en leren kunnen deel uitmaken van de agentcodes, evenals dynamiek wanneer zowel agenten als omgeving veranderen tijdens de simulatie. Het modelleren van interacties op lokaal niveau laat onderzoekers toe om emergente patronen te bestuderen.

Het proces omvat doorgaands: definieëren van agenttypes, statussen en gedragsregels; ontwerpen van de omgeving; instellen van de planningsstructuur; uitvoeren van simulaties en verzamelen van uitkomsten; en kalibratie, validatie en gevoeligheidsanalyse. Validiteit is een centrale uitdaging vanwege de vaak complexe, ongekende emergente uitkomsten en onzekerheden in data.

Voordelen zijn onder meer de mogelijkheid om heterogeen gedrag en lokale interacties realistisch te modelleren en om scenario's en beleidsmaatregelen te testen in een gecontroleerde simulatie. Nadelen zijn onder meer de hoge rekenlast, afhankelijkheid van aannames over agentgedrag, en het feit dat emergente resultaten lastig te interpreteren en te valideren zijn. Toepassingen vinden plaats in verkeer, epidemiologie, stedelijke planning, economie en ecologie, ondersteund door tools zoals NetLogo, Mesa en Repast.