Agents.jl: A performant and feature-full agent based modelling software of minimal code complexity
基于Agent的建模是一种仿真方法，其中自主智能体与它们的环境以及彼此之间进行交互，给定一组预定义的规则。它是一种用于建模和模拟复杂系统（如社会经济问题）的集成方法。由于基于代理的模型不是由简单而简洁的数学方程描述的，因此生成它们的代码通常是复杂的，大型的和缓慢的。在这里，我们提出的Agents.jl，一个基于Julia的软件，提供了一个ABM分析平台，最小的代码复杂性。我们比较我们的软件与一些最流行的ABM软件在其他程序设计语言。我们发现Agents.jl不仅是性能最好的，而且是最不复杂的软件，它提供了与竞争对手相同（有时更多）的功能，而用户需要的输入更少。Agents.jl还与整个Julia生态系统进行了出色的集成，包括交互式应用程序、微分方程、参数优化等。这消除了Agents.jl中的任何“扩展库”需求，这在许多其他工具中是至关重要的。
2021-07-15 cs.MA nlin.CG
RAINO: Anchoring Agents in Reality, A Systematic Review and Conceptual Framework for Realism in Agent-Based Modelling
Umeå Universitet（乌梅拉大学）；UiT The Arctic University of Norway（北极大学）
本文通过系统文献综述，识别了基于智能体建模中现实主义操作化与展示的不足，并提出了RAINO框架（现实锚点、输入、输出），以统一和拓展对现实主义的理解。
2026-03-29 cs.AI cs.MA
Foragax: An Agent-Based Modelling Framework Based on JAX
本文提出Foragax，一个基于JAX的硬件加速多智能体觅食模拟框架，支持端到端向量化与可微分模拟，可扩展至数千智能体，并适用于多种多智能体场景。
2025-10-14 cs.MA
Agent Modelling under Partial Observability for Deep Reinforcement Learning
School of Informatics（信息学院）；University of Edinburgh（爱丁堡大学）
对其他代理人的行为进行建模对于理解代理人如何互动和做出有效决策至关重要。现有的代理建模方法通常假设在执行过程中的本地观测和选定的动作的建模代理的知识。为了消除这一假设，我们提取表示从本地信息的控制代理使用编码器-解码器架构。在训练过程中使用建模代理的观察和动作，我们的模型学习提取仅以受控代理的局部观察为条件的建模代理的表示。这些表示用于增强受控代理的决策策略，该策略通过深度强化学习进行训练;因此，在执行期间，该策略不需要访问其他代理的信息。我们提供了一个全面的评估和消融研究在合作，竞争和混合的多智能体环境中，表明我们的方法实现了更高的回报比基线方法，不使用学习的表示。
2021-11-09 cs.LG cs.MA stat.ML
Agent-Based Modelling: An Overview with Application to Disease Dynamics
建模和计算方法在推进定量科学中至关重要，特别是在过去的二十年中，大量复杂，大量和异构的数据可用。特别是，对基于代理的建模的兴趣激增，主要是由于其利用这些数据并进行重要预测的能力。然而，任何成熟的定量方法都依赖于构建和分析的理论框架。虽然计算方面的代理为基础的建模已经详细介绍了现有的文献，基本的理论基础很少被用于其建设。在这次博览会中，我们提供了一个基于代理的建模的理论基础的概述，并建立与其计算实现的关系。除了详细介绍这种计算方法的主要特点，我们说明了它的应用程序模拟传染病的传播在一个简单的，动态的过程。随着基于代理的模型的使用扩展到各个学科，我们的评论强调了需要有针对性的研究工作，以开发理论方法和分析工具，分析这些模型。
2020-07-08 cs.MA q-bio.QM
Large Language Models for Agent-Based Modelling: Current and possible uses across the modelling cycle
Umeå Universitet（于默奥大学）；UiT The Arctic University of Norway（挪威北极大学）；University of Nottingham（诺丁汉大学）；University of Leeds（利兹大学）；Norwegian University of Science and Technology（挪威科技大学）；NORCE Norwegian Research Center AS（挪威研究中心有限公司）；University of West Bohemia（西波希米亚大学）；Bar Ilan University（巴伊兰大学）；University of Southern Denmark（南丹麦大学）；University College Dublin（都柏林大学学院）；University of Warwick（华威大学）
本文回顾大型语言模型（LLMs）在基于智能体建模（ABM）中的当前应用，结合建模周期从问题构建到结果传播的全流程，批判性反思其潜在应用的机遇与挑战，探索LLMs对ABM建模过程的赋能价值。
2026-10-21 cs.AI cs.CY cs.MA
Multi-Layers Supply chain modelling based on Multi-Agent Approach
提出了一种基于多代理的供应链系统战略多层模型。它介绍了一个配方和供应链设计和建模的问题的解决方法。在本文中，我们描述和分析供应链的主要实体之间的关系，如供应商，生产商和配送中心，在目的是设计代理和定义他们的行为。我们还研究了如何在多层模型中制定这些关系。最后，一个通用的多智能体模型进行说明。
2018-10-31 cs.MA
Modelling and Verification of Reconfigurable Multi-Agent Systems
我们提出了一种形式化的建模和可重构多智能体系统的原因。在我们的形式主义中，代理以不同的模式进行交互和通信，以便他们可以执行联合任务;代理可以动态同步，交换数据，调整他们的行为，并重新配置他们的通信接口。受现有多机器人系统的启发，我们将系统表示为一组代理（每个代理都具有本地状态），独立执行，仅通过消息交换相互影响。智能体能够感知它们的局部状态和部分周围环境。我们扩展LTL能够明确的原因代理的意图在互动和他们的通信协议。我们还研究了可满足性和模型检测的复杂性。
2021-04-27 cs.LO cs.MA
Modelling Strategic Deceptive Planning in Adversarial Multi-Agent Systems
欺骗在战争中几乎无处不在，应该成为军事行动研究的中心考虑因素。然而，在模拟操作代理行为的研究通常忽略了包括明确的模型欺骗。本文提出了一个计算模型，近似人类的欺骗性规划过程，使真实的表示策略欺骗多智能体系统。所提出的欺骗性规划模型提供了一个框架，用于研究，解释和发现欺骗性行为，从而能够生成对抗性规划问题的新解决方案。
2021-09-07 cs.MA
Proceedings First Workshop on Applications of Membrane computing, Concurrency and Agent-based modelling in POPulation biology
本卷包含了在第一届国际研讨会上提出的论文在人口生物学的膜计算，并发和基于代理的建模（AMCA-POP 2010）的应用在耶拿举行，德国2010年8月25日作为卫星活动的第11届会议膜计算（CMC 11）。研讨会的目的是调查正式的建模和分析技术是否可以应用于人口生物学和生态学的利益系统。所考虑的建模符号包括膜系统，Petri网，基于代理的符号，过程演算，基于自动机的符号，重写系统和细胞自动机。这些符号使得模拟、模型检验、抽象解释和类型系统等分析技术能够应用于研究诸如人口生物学、生态系统科学、流行病学、遗传学、可持续性科学、进化等学科中感兴趣的系统以及研究人口动态和与环境相互作用的其他学科。论文包含在这些领域的利益系统的建模和分析的结果和经验。
2010-08-18 cs.CE cs.MA
Modelling of Multi-Agent Systems: Experiences with Membrane Computing and Future Challenges
多智能体系统（MAS）的形式化建模是一项具有挑战性的任务，由于高度的复杂性，交互性，并行性和不断变化的角色和组织之间的代理。在本文中，我们记录了我们的研究经验，形式化建模的MAS。我们回顾了我们在过去十年中的研究，描述了我们遇到的问题，以及我们为解决这些问题和提供解决方案所做的决定。这项工作的大部分涉及膜计算和类的P系统，如组织和人口的P系统，有针对性的建模MAS的动态结构是一个突出的特点。更具体地说，社会性昆虫（如蚁群、蜜蜂等），生物学启发的群体和系统的紧急行为是指示性的例子，我们开发了正式的MAS模型。在这里，我们的目标是审查我们的工作，并传播我们的研究结果，研究人员谁可能面临类似的挑战，此外，讨论重要的问题，推进膜计算在MAS建模中的应用研究。
2010-08-19 cs.FL cs.MA
Modelling PM10 Crisis Peaks Using Multi-Agent based Simulation: Application to Annaba City, North-East Algeria
本文描述了一种控制PM10（颗粒物）危机峰值的MAS（多智能体系统）仿真方法。扩散模型与人工神经网络（ANN）一起用于预测PM10浓度水平。分散和人工神经网络模型集成到一个MAS系统。PM10源控制器被建模为软件代理。MAS由多个代理组成，这些代理相互合作以减少排放并控制空气污染峰值。不同的控制策略进行了模拟和比较使用的数据从安纳巴（阿尔及利亚东北部）。该模拟器有助于比较和评估控制PM10峰值的政策的效率。
2019-04-08 cs.MA
Modelling Agents Endowed with Social Practices: Static Aspects
为了通过模拟来理解社会现象，我们需要社会认知理论的计算变体。社会实践理论提供了一个独特的理解社会现象有关的行为的个性化，社会和相互关联的方面。本文提供了社会实践代理（SoPrA）模型，使使用社会实践理论（SPT）基于代理的模拟。我们从SPT中提取需求，在统一建模语言中构建计算模型，在Netlogo和Protégé中验证其实现，并展示SoPrA如何映射到通勤用例。下一步是对SPT的动态方面进行建模，并验证SoPrA在不同场景中提供理解的能力。本文提供了一个计算模型的基础，这是一个正确的描述SPT，计算可行的，可以直接映射到习惯，社会和相互关联的方面的目标场景。
2018-11-27 cs.MA
Modelling Cooperation in Network Games with Spatio-Temporal Complexity
DeepMind（深度思维）；MIT（麻省理工学院）
现实世界中充斥着多代理问题，从计算机网络中的数据包路由到灌溉系统的管理，这些问题需要自利代理的集体行动。这样的系统对个人有局部激励，个人的行为对群体的整体结果有影响。如果有适当的机制来描述代理人之间的互动，即使面对短期自私的激励，群体也可能实现对社会有益的结果。在许多情况下，集体行动问题拥有一个底层的图形结构，其拓扑结构决定了局部决策和紧急全局效应之间的关系。这样的场景通过网络游戏的镜头受到了极大的关注。然而，这种抽象通常会使与设计促进合作的机制有关的重要方面，如几何和时间，崩溃。在并行工作中，多智能体深度强化学习在模拟复杂网格世界域中自组织合作的出现方面表现出了巨大的潜力。在这里，我们将这种范式应用于图结构的集体行动问题。使用多智能体深度强化学习，我们模拟了各种合理机制的智能体社会，随着时间的推移，在不同的平衡之间找到了清晰的过渡。我们定义的分析工具，相关文献的启发来衡量社会成果，并使用这些得出结论的不同环境干预措施的有效性。我们的方法在人类和人工代理系统的机制设计的影响。
2021-02-13 cs.AI cs.MA
Modelling Human Values for Value-Aware Multi-Agent Systems
本文提出一个形式化框架，用于表示人类价值观，以支持多智能体系统中的价值感知推理。通过社会心理学研究，建立价值关系和重要性模型，实现行为评估和价值感知决策机制。
2026-06-28 cs.AI cs.MA
Enhancing Cooperative Multi-Agent Reinforcement Learning with State Modelling and Adversarial Exploration
School of Electrical；Archimedes, Athena Research Center, Greece；Department of Mathematics, ETH Zurich；Dept. of Mechanical Engineering \& Materials Science, Duke University；Dept. of Digital Systems, University of Piraeus, Greece
针对无通信分布式部分可观测环境下多智能体协作学习难题，提出含状态建模的MARL SMPE算法，通过置信表示融入策略与对抗式探索提升性能，在三类基准协作任务中超越现有最优算法。
2025-06-12 cs.AI cs.LG cs.MA
Agent-Based Modelling for Urban Analytics: State of the Art and Challenges
基于代理的建模（ABM）是更广泛的多代理系统（MAS）研究的一个方面，探索个人的集体行为“代理”，以及他们的行为和相互作用对更广泛的系统行为的影响。该方法已被证明在探索和理解人类社会方面具有相当大的价值，但在很大程度上仍限于学术界使用。这一点在城市分析领域尤为明显;城市分析的特点是使用新形式的数据与计算方法相结合，以深入了解城市进程。在城市分析中，ABM作为一种有价值的方法越来越受欢迎，用于了解最终驱动城市的低层次互动，但迄今为止很少被利益相关者（规划者，政府等）使用。来解决真正的政策问题。本文介绍了国家的最先进的应用ABM在MAS和城市分析的接口由一组ABM研究人员谁是隶属于城市分析计划的艾伦图灵研究所在伦敦（英国）。它解决了建模行为，新形式数据的使用，高不确定性下模型的校准，实时建模，人工智能技术的使用，大规模模型以及对建模政策的影响等问题。讨论还将当前的研究置于更广泛的数据科学，人工智能和MAS的更广泛辩论中。
2022-10-13 cs.MA
Modelling Solar PV Adoption in Irish Dairy Farms using Agent-Based Modelling
本研究针对爱尔兰奶牛场光伏能源采用问题，提出基于Agent的建模方法，结合电价、收支等因素估算采用率，经2022年实际数据验证有效，可为可再生能源采用预测研究奠基。
2024-01-15 cs.MA physics.soc-ph
Modelling Opaque Bilateral Market Dynamics in Financial Trading: Insights from a Multi-Agent Simulation Study
University of New South Wales（新南威尔士大学）
本文针对数据不透明的澳大利亚政府债券双边场外交易市场，提出一种基于小规模元启发式方法的多智能体仿真模型，以揭示市场刚性对市场结构和稳定性的影响，为量化金融与智能体建模提供新见解。
2024-05-05 cs.AI cs.MA q-fin.CP
Opponent Learning Awareness and Modelling in Multi-Objective Normal Form Games
Vrije Universiteit Brussel（布鲁塞尔自由大学）；Universiteit van Amsterdam（阿姆斯特丹大学）；National University of Ireland Galway（爱尔兰国立大学戈尔韦分校）；HU Univ. of Appl. Sci. Utrecht（乌得勒支HU应用科学大学）
许多现实世界的多智能体交互考虑多个不同的标准，即收益是多目标的性质。然而，相同的多目标收益向量可能会导致不同的效用为每个参与者。因此，一个代理必须了解系统中其他代理的行为。在这项工作中，我们提出了第一个研究的影响，这样的对手建模多目标多智能体的相互作用与非线性效用。具体来说，我们考虑两个球员的多目标范式游戏的非线性效用函数下的标化预期收益优化标准。我们贡献了新的行动者-批评者和策略梯度公式，以允许在这种情况下混合策略的强化学习，以及将对手政策重建和学习与对手学习意识（即，学习，同时考虑一个人的策略的影响，当预期对手的学习步骤）。在五个不同的MONFG的实证结果表明，对手的学习意识和建模可以大大改变在这种设置的学习动态。当存在均衡时，对手建模可以为实现它的代理带来显着的好处。当没有纳什均衡时，对手学习意识和建模允许代理仍然收敛到近似均衡的有意义的解决方案。
2020-11-14 cs.AI cs.GT cs.LG
Simulating Crowds in Real Time with Agent-Based Modelling and a Particle Filter
基于代理的建模是一种有价值的方法，其行为是由不同实体之间的相互作用驱动的系统。他们表现出特别的承诺，作为一种手段，在街道上，公共交通终端，体育场等人群的建模，然而，该方法面临着一个根本的困难：没有建立机制，动态地将实时数据模型。这限制了固有动态的模拟，例如行人运动，以场景测试，例如，新的建筑配置对运动的潜在影响。本文开始解决这个根本的差距，演示如何粒子滤波器可以用来将真实的数据到一个基于代理的行人运动模型在运行时间。实验结果表明，粒子滤波器用于在线（实时的）模型优化是可行的。然而，随着代理数量的增加，所需的单个粒子的数量（以及因此所需的计算复杂性）呈指数级增加。通过为人群流动的实时模拟奠定基础，本文对复杂环境（国内和国际）的管理有影响，如交通枢纽，医院，购物中心等。
2019-09-20 cs.MA
Modelling Bounded Rationality in Multi-Agent Interactions by Generalized Recursive Reasoning
University College London（伦敦大学学院）；Huawei Research & Development U.K.（华为英国研发中心）
虽然在现实世界的决策有限，大多数多智能体强化学习（MARL）模型假设完全理性的代理-属性很难满足由于个人的认知限制和/或决策问题的易处理性。在本文中，我们引入广义递归推理（GR 2）作为一种新的框架模型代理不同的\emph{hierarchical}水平的合理性，我们的框架使代理表现出不同程度的“思考”能力，从而使更高级别的代理最好地应对各种不太复杂的学习者。我们在理论和经验上都有贡献。在理论方面，我们通过概率图模型设计了GR 2的层次框架，并证明了一个完美的贝叶斯均衡的存在性。在GR 2中，我们提出了一个实用的actor-critic求解器，并通过李雅普诺夫分析证明了其收敛到两人博弈中的稳定点。在实证方面，我们验证了我们的研究结果的各种MARL基准。准确地说，我们首先说明了凯恩斯选美比赛的层次思维过程，然后展示了显着的改进相比，国家的最先进的对手建模基线的正常形式的游戏和合作导航基准。
2020-01-20 cs.AI cs.LG cs.MA
Utility-based Decision-making in Distributed Systems Modelling
我们认为，演算的资源和流程的基础上，在多智能体系统的决策建模。演算代表了使用考虑到上下文的效用函数来调节代理人的选择。与演算相关联的是（Hennessy Milner风格的）上下文敏感的状态模态逻辑。作为一个应用程序，我们展示了如何的概念“信任域”可以定义为多代理系统。
2013-10-23 cs.LO cs.MA
A Survey on Hypergame Theory: Modelling Misaligned Perceptions and Nested Beliefs for Multi-Agent Systems
本文综述了超博弈理论在多智能体系统中的应用，分析了其建模错位感知与嵌套信念的能力及现有研究中的趋势与挑战。
2026-07-16 cs.AI cs.MA
ADAGE: A generic two-layer framework for adaptive agent based modelling
JP Morgan AI Research（摩根大通人工智能研究院）
针对传统基于智能体的模型受卢卡斯批判、缺乏双层适应通用框架的问题，研究提出ADAGE双层框架，将问题形式化为带条件策略的Stackelberg博弈，统一多类ABM任务，经经济金融场景仿真验证有效。
2025-01-16 cs.AI cs.LG cs.MA
MoMA: A Mixture-of-Multimodal-Agents Architecture for Enhancing Clinical Prediction Modelling
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Northwestern University（西北大学）
本文提出多模态智能体混合（MoMA）架构，利用多个LLM智能体将非文本模态转为文本摘要并整合，以增强临床预测，在真实数据上优于现有方法。
2025-08-07 cs.AI cs.LG cs.MA
Agent-Based Simulation Modelling for Reflecting on Consequences of Digital Mental Health
这篇工作论文的前提是基于基于代理的仿真模型，以及如何从给定的不完整信息中创建它们。基于代理的模拟是随机模拟，围绕代理组进行，每个代理都有自己的特征并可以做出决策。这种模拟可以用来模拟现实生活中的情况，并创建假设的情况下，不需要现实世界的测试之前。在这里，我们描述了一个基于代理的仿真模型的发展，研究未来的数字心理健康的情况。一个不完整的概念模型被用作这一发展的基础。为了定义对刺激的反应的差异，我们采用了模糊决策逻辑。该模型已经实现，但尚未用于结构化实验。这是我们计划的下一步。
2019-02-05 cs.CY cs.MA
Modelling and analysing relations between entities using the multi-agents and social network approaches
在这项工作中，使用社会网络分析和多智能体系统的方法分析实体之间的社会关系的系统的概念。在我们感兴趣的领域中，以下问题尤其突出：确定特定社会中最有影响力的个人，确定特定个人在该社会中所扮演的角色，以及承认相互之间有着密切联系的个人群体。对于这些问题的分析，选择两个应用领域：关于电话的数据分析和互联网博客的分析。
2013-03-25 cs.MA cs.SI physics.soc-ph
Modelling Electrical Car Diffusion Based on Agents
用创新的零排放汽车取代传统的化石燃料汽车是实现英国政府2020年减排目标的主要策略之一。我们正在开发一个基于代理的仿真模型，研究不同的政府干预措施对这种车辆的扩散可能产生的影响。我们的假设分析可以研究的选项包括停车费、电动汽车价格、能源意识和口碑。在本文中，我们提出了一个新的停车场收费计划在诺丁汉大学的引进有关的第一个案例研究。我们已经开发了一个基于代理的模型来模拟不同的停车率和其他激励措施对电动汽车的影响。本案例研究的目的是证明基于代理的建模和模拟这种调查的有用性。
2014-09-02 cs.CY cs.MA
Too Human to Model:The Uncanny Valley of LLMs in Social Simulation -- When Generative Language Agents Misalign with Modelling Principles
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Highlands Rewilding Limited（高地野化有限公司）；University of Edinburgh（爱丁堡大学）
本文探讨了LLM在社交模拟中因过于人性化的特性导致的抽象与自然性矛盾，指出其在建模原则下的局限性，并提出重新定位LLM代理以适应不同应用场景的建议。
2025-07-08 cs.AI cs.CY cs.MA
Agent-based modelling of social organisations
本文提出了用社会网络表示的社会模型和在此基础上建立的多智能体系统模型。该系统的具体目标是预测社会的演变，分析出现的社区，其特征和形成的原因。作为应用的一个例子，对一个社会门户网站进行了分析，该门户网站可以为旅行游客提供和预订房间
2013-03-25 cs.MA cs.SI physics.soc-ph
Variance in System Dynamics and Agent Based Modelling Using the SIR Model of Infectious Disease
流行病学过程的经典确定性模拟，例如基于系统动力学的模拟，基于一组固定的输入参数产生单一结果，模拟之间没有变化。随后使用蒙特卡罗方法对这些模拟修改输入参数，以了解输入参数的变化如何影响模拟结果的传播。基于代理的模拟能够基于底层代理的本地交互的知识在每次运行时产生不同的输出结果，并且不对输入参数进行任何更改。在本文中，我们比较了这两个不同的模拟范式内的变化的影响和效果，并表明基于代理的模拟流行病SIR（易感，传染，和adverted）模型是更有效地捕捉自然变化SIR内相比，一个等效的模型，使用系统动力学与蒙特卡洛模拟。为了证明这一效果，SIR模型的实施使用系统动力学（蒙特卡洛模拟）和基于代理的建模的基础上先前公布的经验数据。
2013-07-08 cs.CE cs.MA
Modelling heterogeneous outcomes in multi-agent systems
社会、经济和机器行为研究中的一系列广泛的经验现象可以被建模为具有平均动态的复杂系统。然而，许多这些模式自然会产生共识或类似共识的结果。在现实中，经验现象很少收敛到这些，而是以代理状态的丰富，持续变化为特征。这种异质性的结果是一个自然的结果，一些模型，将外部扰动，否则凸动态的代理。本文的目的是形式化的异质性的概念，并证明哪类模型能够实现它作为一个结果，因此更适合于重要的实证问题建模。我们这样做是通过确定（时变）交互网络的拓扑结构如何限制代理可能的稳态结果的空间，以及这是如何与图上的随机游走的研究。我们考虑了一些故意不同的例子，以证明如何可以应用的结果。
2020-07-02 cs.MA cs.SI math.OC
Modelling Air Pollution Crises Using Multi-agent Simulation
本文描述了一种基于代理的方法来模拟空气污染危机的控制。本文将高斯-梅花空气污染扩散模式（GPD）与人工神经网络（ANN）相结合，对三种不同的空气污染物浓度水平进行了预测。这两个模型（GPM和ANN）集成了一个MAS（多智能体系统）。MAS模型污染源控制器和空气污染监测机构作为软件代理。代理人群体相互合作，以减少排放和控制空气污染。泄漏或自然污染源被模拟为不受控制的来源。一个合作策略进行了模拟，其对空气污染演变的影响进行了评估和比较。模拟场景是使用安纳巴（阿尔及利亚东北部城市）的数据构建的。模拟有助于比较和评估危机期间控制空气污染的政策的效率，并考虑到不受控制的来源。
2019-04-08 cs.MA stat.AP
Modelling crypto markets by multi-agent reinforcement learning
INSERM（法国国家健康与医学研究院）；École Normale Supérieure（巴黎高等师范学院）；Higher School of Economics（高等经济学院）
本研究提出基于多智能体强化学习的加密货币市场模拟模型，通过赋予智能体RL技术并利用Binance上153种加密货币数据进行校准，准确模拟了市场微观结构及牛熊市中的关键行为。
2024-02-16 cs.AI cs.GT cs.MA
Agent-Based Modelling Meets Generative AI in Social Network Simulations
本文提出利用大语言模型赋能的智能体，根据用户兴趣和人格模拟社会网络用户，并通过2020年美国大选Twitter数据验证其能准确复现真实用户行为，揭示偏好推荐会促进回音室形成。
2024-11-25 cs.MA cs.SI
Investigating Spatiotemporal Dynamics and Synchrony of Influenza Epidemics in Australia: An Agent-Based Modelling Approach
在本文中，我们提出了ACEMod，一个基于代理的建模框架，用于研究澳大利亚的流感流行。该模拟器旨在分析全国范围内传染病的时空传播和流感的空间同步性。以个人为基础的流行病学模型考虑了来自2006年澳大利亚人口普查和其他国家数据来源的流动性（工人和学生通勤）模式和人类互动。高精度模拟包括1980万个随机生成的软件代理，并在多个尺度上跟踪流感病毒感染和传播的动态。使用这种方法，我们能够在澳大利亚合成不同爆发地点和严重程度的流行病。对于每一种情况下，我们调查的时空配置文件，这些流行病，定性和定量，通过发病率曲线，流行choropleths，和流行同步。这一分析阐明了澳大利亚境内流感大流行的性质，有助于今后规划有效的干预、缓解和危机管理战略。
2018-06-07 cs.MA physics.soc-ph q-bio.PE
Comparing Stochastic Differential Equations and Agent-Based Modelling and Simulation for Early-stage Cancer
关于使用基于代理的建模和模拟作为另一种范式来研究早期癌症与免疫系统的相互作用，有很大的潜力有待探索。它不受常微分方程模型的一些限制，如缺乏随机性，代表个人行为而不是总量和个人记忆。在本文中，我们调查的潜在贡献基于代理的建模和模拟时，与随机版本的ODE模型，使用早期癌症的例子。我们寻求以下问题的答案：（1）这种新的随机制定产生类似的结果，以代理为基础的版本？(2)这些方法可以互换使用吗？(3)与Gillespie的结果相比，基于代理人的模型结果是否显示出任何好处？为了回答这些研究问题，我们研究了三个完善的数学模型，描述肿瘤细胞和免疫元素之间的相互作用。这些案例研究重新概念化的代理人为基础的角度来看，也转换为Gillespie算法制定。因此，我们对这项工作的兴趣是建立一个关于不同模拟方法可用性的方法论讨论，而不是提供进一步的生物学见解调查的案例研究。我们的研究结果表明，它是可能的，以获得等价的模型，实现相同的机制，然而，Gillespie算法的无能，以保留个人的记忆，过去的事件影响了一些结果的相似性。此外，ABMS的涌现行为在系统中产生了额外的行为模式，这是吉莱斯皮算法无法获得的。
2014-09-02 cs.CE cs.MA
Modelling Implicit Communication in Multi-Agent Systems with Hybrid Input/Output Automata
我们提出了一个扩展的混合I/O自动机（HIOAs）模型代理系统和隐式通信通过扰动的环境，如本地化的对象或无线电信号的扩散和检测。为此，我们决定专门化HIOA的一些变量，它们的值是时间和空间的函数。我们称之为世界变量。基本上，它们与HIOA的其他变量类似，但它们具有表示每个自动机与周围环境的相互作用的功能，因此它们可以是输出，输入或内部变量。由于这些特殊变量具有模拟隐式通信的作用，它们的动态在时间和空间上都是特定的，因为它们模拟了代理对环境的扰动，以及代理感知到的环境扰动。世界变量的并行合成与其他变量的并行合成略有不同，因为它们的信号被求和。该理论通过一个简单的代理系统的例子来说明。
2012-10-09 cs.FL cs.MA
Situating Agent-Based Modelling in Population Health Research
当今最棘手的人口健康挑战往往是由社会和环境决定因素驱动的，难以使用传统的流行病学方法进行建模。我们同意那些主张更广泛地采用基于代理的建模（ABM）来应对这些挑战的人。然而，虽然反弹道导弹偶尔被用于人口健康，我们认为，反弹道导弹是最有效的领域，它应该被用来作为一种手段来回答问题，通常无法进入传统的流行病学工具包。为了清楚地说明ABM在人口健康研究中的实用性，并澄清关于该方法的概念基础的持续误解，我们详细介绍了复杂系统理论的核心概念，并总结了为什么模拟对复杂系统的研究至关重要。然后，我们研究了ABM的人口健康的最新技术，并提出他们非常适合研究人口健康中的“邪恶”问题，并可能在这些领域的理论和干预发展作出重大贡献。
2020-02-06 cs.MA
Modelling the Dynamic Joint Policy of Teammates with Attention Multi-agent DDPG
Peking University（北京大学）；Huawei Technologies Co., Ltd.（华为技术有限公司）
在协作多智能体系统中建模和利用队友的策略一直是强化学习（RL）社区的兴趣所在，也是一个巨大的挑战。有趣的是，如果代理知道队友的政策，它可以相应地调整自己的政策，以达到适当的合作，而挑战是，代理的政策不断变化，因为他们正在学习的同时，这就很难准确地建模动态的队友政策。在本文中，我们提出了\emph{ATTention Multi-Agent Deep Deterministic Policy Gradient}（ATT-MADDPG），以解决这一挑战。ATT-MADDPG扩展了DDPG，一个单代理的演员-评论家RL方法，有两个特殊的设计。首先，为了对队友的策略进行建模，Agent应该访问队友的观察和动作。ATT-MADDPG采用集中的评论家来收集这些信息。其次，为了有效地利用收集到的信息对队友的策略进行建模，ATT-MADDPG通过注意力机制增强了集中式批评。该注意力机制引入了一种特殊的结构来显式地对队友的动态联合策略进行建模，保证了收集到的信息能够得到有效的处理。我们评估ATT-MADDPG的基准任务和现实世界的数据包路由任务。实验结果表明，该方法不仅在性能上大大优于基于RL和基于规则的方法，而且在可扩展性和鲁棒性方面也取得了更好的效果。
2018-11-13 cs.AI cs.LG cs.MA
Diversifying Agent's Behaviors in Interactive Decision Models
Shenzhen University（深圳大学）；Northumbria University（诺森比亚大学）
对其他主体行为的建模在多主体交互的决策模型中起着重要的作用。为了优化自己的决策，主体主体需要对其他主体在不确定环境中同时采取的行动进行建模。然而，当主体之间存在竞争关系，主体不能充分了解其他主体时，会出现建模不足的问题。即使当代理是合作的，他们可能不会分享他们的真实行为，由于他们的隐私问题。在这篇文章中，我们研究了多样化的行为，其他代理主体的决策模型之前，他们的相互作用。从其他代理的行为的先验知识开始，我们使用线性约简技术从已知的行为中提取代表性的行为特征。随后，我们通过扩展特征来生成它们的新行为，并提出了两个多样性度量来选择前K个行为。我们证明了新技术在两个研究良好的问题域的性能。这项研究将有助于在开放的人工智能世界中处理未知未知的智能系统。
2022-03-06 cs.AI cs.MA
Modelling Cournot Games as Multi-agent Multi-armed Bandits
University of Kentucky（肯塔基大学）
我们研究了使用多代理多臂强盗（MA-MAB）设置建模重复古诺寡头博弈，其中作为代理商的公司从代表生产量（离散值）的一组武器中选择。代理与单独和独立的强盗问题交互。在这个公式中，每个代理在武器之间进行顺序选择，以最大化自己的奖励。智能体没有任何关于环境的信息;他们只能在采取行动后看到自己的奖励。然而，市场需求是工业总产量的平稳函数，不允许随机进入或退出市场。考虑到这些假设，我们发现，一个$ε$贪婪的方法提供了一个更可行的学习机制比其他传统的MAB方法，因为它不需要任何额外的知识系统操作。我们还提出了两个新的方法，利用有序的行动空间：$ε$ -贪婪+HL和$ε$ -贪婪+EL。这些新方法通过消除利润较低的选择，帮助企业专注于利润更高的活动，从而优化勘探。我们使用计算机模拟来研究结果中各种均衡的出现，并对联合累积后悔进行实证分析。
2022-01-01 cs.AI cs.GT cs.LG
Phantom -- A RL-driven multi-agent framework to model complex systems
J.P. Morgan AI Research（摩根大通人工智能研究院）；Sutter Hill Ventures（萨特希尔风险投资公司）
本文提出了开源框架Phantom，通过提供兼容多智能体强化学习（MARL）的接口与特征，弥合了基于智能体建模（ABM）与MARL之间的差距，简化了复杂多智能体系统的建模规范。
2023-05-19 cs.AI cs.MA
Modelling Bushfire Evacuation Behaviours
森林大火对澳大利亚的区域构成重大威胁。为了最大限度地降低风险并提高复原力，社区需要强有力的疏散策略，以说明人们在火灾发生前和火灾发生期间的可能行为。基于代理的建模（ABM）提供了一个实用的方法来模拟一系列的火灾疏散场景。然而，反弹道导弹系统应反映特定社区中可能的人类反应的多样性。信念-愿望-意图（BDI）认知模型以领域专家可以理解的紧凑表示形式捕捉行为。在BDI-ABM模拟中，可以为各个BDI代理分配配置文件，以确定其可能的行为。在一群代理人中，他们的集体行为将影响社区的反应。这些概况来自现有的人类行为研究和与紧急服务人员的协商，并捕捉了疏散之前和疏散期间人口中已识别群体的预期行为。然后，可以形成每个社区的真实表示，并且可以使用模拟中的疏散场景来探索人口结构对结果的可能影响。希望这将使人们更好地了解与疏散有关的风险，并为每个社区制定量身定制的疏散计划，以帮助他们做好准备并应对火灾。
2019-09-03 cs.AI cs.MA
Integration of Computational Techniques for the Modelling of Signal Transduction
一个细胞可以被看作是一个自适应的自主智能体或一个自适应自主智能体的社会，其中每个智能体都可以根据其认知能力表现出特定的行为。我们提出了一个细胞内信号模型，通过整合几种计算技术到一个代理为基础的范例。Cellulat模型考虑了细胞内信号网络的两个基本方面：认知能力和空间组织。举例说明系统的功能，通过模拟EGFR信号通路，我们讨论的方法以及目的的细胞内信号虚拟实验室，目前正在开发中。
2002-11-22 cs.MA q-bio.CB
Effects of Property Recovery Incentives and Social Interaction on Self-Evacuation Decisions in Natural Disasters: An Agent-Based Modelling Approach
The University of Newcastle（纽卡斯尔大学）；School of Computer and Information Sciences, The University of Newcastle（纽卡斯尔大学计算机与信息科学学院）；School of Medicine and Public Health, The University of Newcastle（纽卡斯尔大学医学与公共卫生学院）；School of Science and Technology, The University of New England（新英格兰大学理学院）
本文通过基于代理的建模方法，研究了财产回收激励和社会互动对自然灾害中家庭撤离决策的影响，发现社会网络结构和优先级设置对撤离率有显著影响。
2026-02-23 cs.MA
Agent-Based Modelling Approach for Distributed Decision Support in an IoT Network
越来越多的新兴应用，例如，物联网、车辆通信、增强现实以及由于这些系统的互操作性要求而导致的日益增长的复杂性，导致需要改变用于这些网络的建模和分析的工具。基于Agent的建模（ABM）是一种自底向上的建模方法，它考虑了一个由多个自主智能体组成的网络之间的相互作用，为理解复杂环境中异构节点之间的相互作用提供了一个理想的框架。在这里，我们调查的ABM建模道路交通管理系统的通信方面的适用性，作为物联网（IoT）网络的一个例子。我们的模型，分析和比较各种媒体访问控制（MAC）层协议的两种不同的情况下，即不协调和协调。此外，我们使用三种不同的方法：集中式决策者，DESYNC和分散式学习MAC（L-MAC）的调度机制的协调方案作为一个高层次的MAC协议建模。结果清楚地表明，多个决策者之间的协调，以提高信息的准确性和频谱利用率的系统的重要性。
2019-01-09 cs.MA
Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology
UPC, BarcelonaTech（加泰罗尼亚理工大学（巴塞罗那理工））；Cisco（思科公司）；Budapest University of Technology and Economics（布达佩斯技术与经济大学）
本研究针对多智能体LLM系统，通过500次重复运行的多层测量框架，揭示了协调拓扑对LLM请求到达过程的关键影响，相关框架与分析流程已公开。
2026-08-24 cs.AI cs.MA cs.NI
City-scale Simulation of Covid-19 Pandemic and Intervention Policies using Agent-based Modelling
在2019冠状病毒病大流行期间，世界各地的大多数政府都实施了封锁公共场所和限制人们行动等政策，以尽量减少病毒通过身体接触传播。然而，这些政策会造成严重的社会和经济代价，因此必须预先评估其影响。在这项工作中，我们的目标是可视化的流行病在不同的干预政策下，通过模拟居民的行为在一个城市的动态。我们为一个城市开发了一个非常详细的基于代理的模型，包括它的居民，物理和社会空间，如家庭，市场，工作场所，学校/学院等。我们证明，在适当选择参数的情况下，我们的模型能够重现在加尔各答观察到的新冠肺炎大流行的动态，也表明了替代干预政策的反事实结果。
2021-09-09 cs.MA stat.AP
Identifying and modelling cognitive biases in mobility choices
Univ. Lyon 1（里昂第一大学）；Univ. Grenoble-Alpes（格勒诺布尔-阿尔卑斯大学）
本报告基于M1实习，通过调查真实出行选择的理性与偏差，在GAMA智能体仿真中建模认知偏差，为出行转型严肃游戏提供真实基础。
2024-02-15 cs.AI cs.CY cs.MA
Converting a Systems Dynamic Model to an Agent-based model for studying the Bicoid morphogen gradient in Drosophila embryo
在果蝇胚胎发育的早期阶段建立的Bicoid形态原的浓度梯度决定了基因表达的差异空间模式和随后的细胞命运决定。这主要通过胚胎中不同浓度的Bicoid蛋白引起的扩散来实现。这种化学动力学过程可以用随机模型，特别是Gillespie算法来模拟。然而，与生物学中的各种建模方法一样，每种技术都涉及绘制假设和降低模型复杂性，有时会限制模型的能力。这主要是由于构建这些模型的软件建模方法的复杂性。基于代理的建模是一种越来越流行的技术，用于在计算生物学中对单个分子或细胞的行为进行建模。本文试图比较这两种流行的建模技术的随机和基于代理的建模，以显示如何模型可以使用不同的方法进行详细研究。本文介绍了如何使用这些技术的优点和缺点，使用这些。通过各种比较，如计算复杂性和获得的结果，我们表明，虽然实现了相同的模型，这两种方法可以得到不同的结果。本文的结果表明，随机模型是能够提供更平滑的结果相比，基于代理的模型，这可能需要在以后的阶段进一步分析。我们讨论了这些结果的原因，以及如何在系统生物学研究中纠正这些结果。
2014-12-17 cs.CE cs.MA q-bio.QM
Systems Dynamics or Agent-Based Modelling for Immune Simulation?
在免疫系统仿真中，有两种相互竞争的仿真方法：系统动力学仿真（SDS）和基于Agent的仿真（ABS）。在文献中，很少有指导如何选择一个特定的免疫问题的最佳方法。我们的总体研究目标是开发一个框架，帮助研究人员进行这种选择。在本文中，我们调查，如果它是可能的，可以很容易地转换方法之间的仿真模型。由于文献中没有明确的指导方针，我们开发并测试了我们自己的一套指导方针，用于在非空间场景中将SDS模型转换为ABS模型。我们还定义了将ABS转换为SDS的指导方针，考虑到非空间和空间场景。在使用开发的模型运行一些实验后，我们发现在所有情况下，不同模拟方法产生的结果之间存在显着差异。
2013-07-04 cs.CE cs.MA
Agent-Based Modelling for Real-World Stock Markets under Behavioral Economic Principles
The Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）
针对时间序列预测在金融市场模拟中的过拟合等局限，提出基于行为经济学原则的智能体建模方法，并利用深度学习校准参数及对齐CPI等经济指数，以90%置信度重现市场动态并提升可解释性与计算效率。
2025-10-13 cs.MA
