博士论文 | 2024年Northwestern | 智能体建模：基于智能体的多级模型的设计与分析 319页

基于智能体的建模 (Agent-based modeling ，ABM) 在复杂系统研究中发挥着关键作用，它允许研究人员研究个体之间的相互作用如何共同引起群体级和系统级行为。然而，从社会环境系统到肿瘤生物学再到交通建模等领域，越来越多地寻求对不同规模系统之间的相互作用进行建模。多级基于智能体的建模 (Multi-level agent-based modeling ，ML-ABM) 扩展了经典的 ABM 技术以满足这一需求。尽管这种需求不断增长，但多级建模技术为建模过程带来了相当大的复杂性，尚未在 ABM 从业者中得到广泛采用。我们为广泛使用的 NetLogo ABM 平台引入了 LevelSpace 扩展，通过利用 NetLogo 的核心“low floor, high ceiling ”方法，使 ABM 研究人员可以轻松访问 ML-ABM。

这篇论文以这项工作为基础，展示了研究人员如何通过创建基于智能体的模型的嵌套层次结构来建模多级现象。它通过一系列新颖且具有说明性的案例研究实现了这一点。每个模型都以经典的单级基于智能体的模型开始，然后将其扩展到多级建模系统。在每种情况下，我们都会探索可以连接模型的不同类型的关系，特别关注所涉及的组件模型的耦合量和可重用性。我们对每个模型进行深入的实验和分析，展示分析 ML-ABM 所涉及的技术，将 ML-ABM 与单级 ABM 的行为进行比较，并对模拟系统获得新的见解。最后，我们证明 ML-ABM 提供了强大的技术来定义智能体认知，特别是通过允许智能体对其环境进行建模并使用下属 ABM 做出决策。本论文中提出的案例研究提供了全面且易于理解的模板，可指导其他研究人员设计和分析多级基于智能体的模型。