内容简介
从微观细胞网络到宏观生态系统，从社会经济运行到全球气候变化，各类复杂系统均由异质性个体构成，其非线性相互作用催生复杂系统行为，传统还原论难以破解整体规律，而ABM提供了自下而上的研究视角。《基于主体与个体的建模》围绕复杂系统研究，系统介绍建模方法及实践路径。开篇阐释建模核心概念，指出模型是对真实系统的有目的的简化，旨在解决问题、解释规律与预测行为，其构建需依据研究问题取舍系统要素，通过方程或程序实现模拟实验。核心内容聚焦基于主体建模（ABM）与基于个体建模（IBM）。ABM将系统组件抽象为具有自主性、适应性和交互性的“主体”，通过模拟主体交互揭示宏观模式涌现机制；IBM则从个体层面出发，关注个体行为及相互作用对系统整体的影响。建模实践部分，引导读者完成从提出研究问题、收集假设、选择参数，到运用NetLogo软件实现模型的全流程，结合实例与代码讲解操作技巧，并介绍“模式导向建模”策略以解决模型设计与校准问题。
精彩书摘
第Ⅰ部分基于主体的建模和NetLogo基础
基于主体与个体的建模1模型、基于主体的模型及建模周期1模型、基于主体的模型及建模周期
1.1引言、动机与目标
学习如何构建和使用基于主体的模型（Aagent-Based Model，ABM）或某些领域的基于个体的模型（Individual-Based Model，IBM）很重要，为什么呢？简单地说，ABM可用于解决传统模型和方法因过于简单而无法处理的问题。例如，An（2001）的研究表明，一个简单的ABM模型就可以解释之前曾被误解，致多人死亡的医学综合征的机制。生态学研究人员也发现传统模型因忽略个体行为，所表达的捕食者种群与猎物种群间的基本关系不切实际，而ABM可再现传统模型所忽略的个体行为（Abrams，1993；Railsback and Harvey，2013）。还有，*典型的示例是，2008年国际金融危机部分归因于政策模型。该政策模型简化了管理系统的内在复杂性，而ABM可解决该问题（Buchanan，2009）。接下来，让我们仔细分析一个真实的模型，一起来感受ABM的魅力。
1.1.1一个成功的案例：欧洲狂犬病的控制
狂犬病是由病毒引起的，一种可致大量野生哺乳动物死亡的疾病，人和家畜都可能被感染。在欧洲，狂犬病主要由红狐传播。之前无狂犬病的区域（即非疫区）开始暴发狂犬病时，狂犬病以“行波”（Traveling Wave）形式传播：感染率高和低的区域交替出现。
通过给红狐接种疫苗，可大面积**狂犬病，新疫区也得以控制。于是，欧洲各国政府通过生产狂犬疫苗，将其注入饲料，由飞机喷洒诱饵，**了中欧的狂犬病。不过，这项计划耗资巨大，且仅在发现并遏制新暴发时有效。其成本效益的关键在于：一个地区需要有多少比例的野狐接种疫苗才能消除狂犬病，以及应对狂犬病暴发的*佳策略是什么？
长期以来，模型一直应用于野生动物以及人类的此类流行病学问题的研究中。采用**微分方程模型对欧洲狂犬病问题进行模拟，模拟结果表明至少70%的狐狸接种疫苗才能消灭狂犬病。管理人员计划采用“带状接种”策略（对包括天花在内的其他流行病非常有效）应对新疫情：疫苗接种区不是新疫区，而是其周围的带状区域，带状区域的宽度通常由疫苗应急供应的有限数量决定。70%的疫苗接种策略的确成功了。不过，狂犬病问题具有一些重要特征，即狂犬病传播在空间和时间上都存在重要模式，并受个体行为驱动（在本案例中，大多数狐狸的领地固定，而年轻狐狸则进行长距离迁徙），在此基础上，基于主体的建模方法可以精确地预测这些模式。于是，Florian Jeltsch和同事一起开发了一个简单的ABM，模拟了多个占据固定家域的狐狸家庭，以及年轻狐狸的迁徙行为（Jeltsch et al.，1997）。该模型准确模拟了狂犬病在空间和时间上的传播。
随后，Dirk Eisinger和Hans-Hermann Thulke对ABM进行了修正，以评估疫苗诱饵在空间上的分布如何影响狂犬病的控制（Thulke and Eisinger，2008；Eisinger and Thulke，2008；Eisinger et al.，2005）。他们的ABM模拟结果表明，疫苗接种率远低于70%，就可以**狂犬病，这一结果不但可节省数百万欧元，而且已通过监测疫苗实际接种率的少量案例研究得到证实。该模型预测疫苗接种率较低的原因是狂犬病的“波形”（Wave）传播是局部传染性接触行为的涌现结果，正是这种局部传染性接触为**狂犬病提供便利。该模型还提出了一种备选方案，即围绕*初疫区进行圆形紧凑型医疗接种，比起带状接种方案，备选方案更易成功。该模型重现了真实疫情暴发的许多特征，因此其预测也易于理解，狂犬病管理者认可这项研究结果，并成功地应用了该圆形策略。
狂犬病案例表明，基于主体的建模可为诸如环境、健康和经济等许多重要问题找到新的、更好的解决方案。事实也是如此。这些问题都出现在一个由自主“主体”组成的系统中。在该系统中，这些“主体”彼此之间及与环境之间相互作用；它们彼此不同，随时间和空间不断变化；它们具有各种行为，这些行为通常对系统如何运行至关重要。
1.1.2目标
本章介绍建模与基于主体的建模。*先，明晰一些有关建模的基本概念。这些内容乍看似乎并不重要，但事实上却是本课程其他所有内容的基础。
学习目标：
模型与建模——为什么要建模；
建模周期——设计（Designing）、实施（Implementing）和分析（Analyzing）模型并使用它们解决科学问题的迭代过程；
基于主体的模型——基于主体的模型与其他类型模型的区别，以及使用它们的理由。
1.2模型
模型是对某个真实系统的特定表达（Starfield，1990）。通过建立和使用模型，可以解决或回答一个或一类与系统相关的问题。科研中，我们通常需要去思考系统运行的原理，解释所观测到的模式，并预测系统行为对某些变化的响应。真实系统往往过于复杂或发展太慢，无法通过实验来分析。例如，仅通过实验很难去理解城市的发展和土地利用变化。因此，我们尝试运用
目录
目录
译者前言
前言
致谢
第Ⅰ部分 基于主体的建模和NetLogo基础
1 模型？基于主体的模型及建模周期 3
1.1 引言？动机与目标 3
1.2 模型 4
1.3 建模周期 7
1.4 基于主体的建模 9
1.5 小结与结论 11
1.6 练习 11
2 NetLogo入门 13
2.1 引言与目标 13
2.2 NetLogo快览 14
2.3 示例程序：蘑菇搜寻模型 16
2.4 小结与结论 25
2.5 练习 28
3 ABM 的描述与阐述：ODD协议 31
3.1 引言与目标 31
3.2 ODD概述 32
3.3 ODD协议 32
3.4 案例：蝴蝶的虚拟廊道 39
3.5 小结与结论 41
3.6 练习 42
4 实现**个基于主体的模型 43
4.1 引言与目标 43
4.2 ODD与NetLogo 43
4.3 蝴蝶登顶模型：从ODD到NetLogo 44
4.4 注释与完整程序 50
4.5 小结与结论 52
4.6 练习 53
5 从动画到科学 55
5.1 引言与目标 55
5.2 廊道观测 56
5.3 分析模型 60
5.4 时序结果：添加图表与文件输出 61
5.5 真实场景 62
5.6 小结与结论 65
5.7 练习 65
6 测试程序 67
6.1 引言与目标 67
6.2 常见错误类型 68
6.3 NetLogo程序调试和测试技术 71
6.4 测试文档 80
6.5 案例与练习：文化传播模型 81
6.6 小结与结论 83
6.7 练习 84
第Ⅱ部分 设计ABMs模型的概念框架
7 第Ⅱ部分的引言 87
7.1 第Ⅱ部分的目标 87
7.2 第Ⅱ部分的概述 88
8 涌现 90
8.1 引言与目标 90
8.2 简单涌现动态的模型 91
8.3 仿真实验和行为空间 92
8.4 复杂涌现动态的模型 97
8.5 小结与结论 101
8.6 练习 102
9 观察 104
9.1 引言与目标 104
9.2 通过NetLogo视图观察模型 105
9.3 其他界面显示 107
9.4 文件输出 109
9.5 作为输出编写器的行为空间 112
9.6 输入的原语和菜单命令 113
9.7 小结与结论 113
9.8 练习 114
10 感知 116
10.1 引言与目标 116
10.2 变量作用域 117
10.3 使用其他对象的变量 120
10.4 感知的应用：商业投资者模型 121
10.5 小结与结论 129
10.6 练习 129
11 适应性行为和目标 131
11.1 引言与目标 131
11.2 NetLogo中的识别和优化备选对象 132
11.3 商业投资者模型中的适应性行为 135
11.4 非优化适应性行为：一个满意度示例 137
11.5 目标函数 139
11.6 小结与结论 140
11.7 练习 140
12 预测 142
12.1 引言与目标 142
12.2 预测的示例效果：商业投资者模型的投资期限 143
12.3 实现和分析子模型 145
12.4 分析投资者效用函数 147
12.5 显式预测建模 149
12.6 小结与结论 150
12.7 练习 151
13 相互作用 152
13.1 引言与目标 152
13.2 相互作用的NetLogo编程 153
13.3 电话营销模型 154
13.4 模型的深化：全局相互作用 158
13.5 直接相互作用：电话营销模型中的合并 158
13.6 客户的反击：记住谁打过电话 161
13.7 小结与结论 163
13.8 练习 164
14 调度 166
14.1 引言与目标 166
14.2 NetLogo中的时间建模 166
14.3 小结与结论 175
14.4 练习 175
15 随机性 177
15.1 引言与目标 177
15.2 ABM中的随机性 178
15.3 NetLogo中的伪随机数的生成 179
15.4 随机过程示例：行为的经验模型 185
15.5 小结与结论 187
15.6 练习 188
16 集群 190
16.1 引言与目标 190
16.2 什么是集群? 190
16.3 NetLogo中的集群建模 191
16.4 示例：野狗集群模型 192
16.5 小结与结论 203
16.6 练习 204
第Ⅲ部分 面向模式的建模
17 第Ⅲ部分的引言 207
17.1 迈向结构现实模型 207
17.2 单模式和多模式？ 强模式和弱模式 208
17.3 第Ⅲ部分概述 211
18 模型结构的模式 212
18.1 引言与目标 212
18.2 POM 中设计模型结构的步骤 213
18.3 示例：欧洲山毛榉林建模 213
18.4 示例：管理核算与共谋 218
18.5 小结与结论 219
18.6 练习 219
19 理论发展 221
19.1 引言与目标 221
19.2 虚拟实验室中的理论发展和强推理 222
19.3 ABM 理论发展的示例 224
19.4 练习示例：留下还是离开? 227
19.5 小结与结论 231
19.6 练习 232
20 参数化和校准
试读
第Ⅰ部分基于主体的建模和NetLogo基础
基于主体与个体的建模1模型、基于主体的模型及建模周期1模型、基于主体的模型及建模周期
1.1引言、动机与目标
学习如何构建和使用基于主体的模型（Aagent-Based Model，ABM）或某些领域的基于个体的模型（Individual-Based Model，IBM）很重要，为什么呢？简单地说，ABM可用于解决传统模型和方法因过于简单而无法处理的问题。例如，An（2001）的研究表明，一个简单的ABM模型就可以解释之前曾被误解，致多人死亡的医学综合征的机制。生态学研究人员也发现传统模型因忽略个体行为，所表达的捕食者种群与猎物种群间的基本关系不切实际，而ABM可再现传统模型所忽略的个体行为（Abrams，1993；Railsback and Harvey，2013）。还有，*典型的示例是，2008年国际金融危机部分归因于政策模型。该政策模型简化了管理系统的内在复杂性，而ABM可解决该问题（Buchanan，2009）。接下来，让我们仔细分析一个真实的模型，一起来感受ABM的魅力。
1.1.1一个成功的案例：欧洲狂犬病的控制
狂犬病是由病毒引起的，一种可致大量野生哺乳动物死亡的疾病，人和家畜都可能被感染。在欧洲，狂犬病主要由红狐传播。之前无狂犬病的区域（即非疫区）开始暴发狂犬病时，狂犬病以“行波”（Traveling Wave）形式传播：感染率高和低的区域交替出现。
通过给红狐接种疫苗，可大面积**狂犬病，新疫区也得以控制。于是，欧洲各国政府通过生产狂犬疫苗，将其注入饲料，由飞机喷洒诱饵，**了中欧的狂犬病。不过，这项计划耗资巨大，且仅在发现并遏制新暴发时有效。其成本效益的关键在于：一个地区需要有多少比例的野狐接种疫苗才能消除狂犬病，以及应对狂犬病暴发的*佳策略是什么？
长期以来，模型一直应用于野生动物以及人类的此类流行病学问题的研究中。采用**微分方程模型对欧洲狂犬病问题进行模拟，模拟结果表明至少70%的狐狸接种疫苗才能消灭狂犬病。管理人员计划采用“带状接种”策略（对包括天花在内的其他流行病非常有效）应对新疫情：疫苗接种区不是新疫区，而是其周围的带状区域，带状区域的宽度通常由疫苗应急供应的有限数量决定。70%的疫苗接种策略的确成功了。不过，狂犬病问题具有一些重要特征，即狂犬病传播在空间和时间上都存在重要模式，并受个体行为驱动（在本案例中，大多数狐狸的领地固定，而年轻狐狸则进行长距离迁徙），在此基础上，基于主体的建模方法可以精确地预测这些模式。于是，Florian Jeltsch和同事一起开发了一个简单的ABM，模拟了多个占据固定家域的狐狸家庭，以及年轻狐狸的迁徙行为（Jeltsch et al.，1997）。该模型准确模拟了狂犬病在空间和时间上的传播。
随后，Dirk Eisinger和Hans-Hermann Thulke对ABM进行了修正，以评估疫苗诱饵在空间上的分布如何影响狂犬病的控制（Thulke and Eisinger，2008；Eisinger and Thulke，2008；Eisinger et al.，2005）。他们的ABM模拟结果表明，疫苗接种率远低于70%，就可以**狂犬病，这一结果不但可节省数百万欧元，而且已通过监测疫苗实际接种率的少量案例研究得到证实。该模型预测疫苗接种率较低的原因是狂犬病的“波形”（Wave）传播是局部传染性接触行为的涌现结果，正是这种局部传染性接触为**狂犬病提供便利。该模型还提出了一种备选方案，即围绕*初疫区进行圆形紧凑型医疗接种，比起带状接种方案，备选方案更易成功。该模型重现了真实疫情暴发的许多特征，因此其预测也易于理解，狂犬病管理者认可这项研究结果，并成功地应用了该圆形策略。
狂犬病案例表明，基于主体的建模可为诸如环境、健康和经济等许多重要问题找到新的、更好的解决方案。事实也是如此。这些问题都出现在一个由自主“主体”组成的系统中。在该系统中，这些“主体”彼此之间及与环境之间相互作用；它们彼此不同，随时间和空间不断变化；它们具有各种行为，这些行为通常对系统如何运行至关重要。
1.1.2目标
本章介绍建模与基于主体的建模。*先，明晰一些有关建模的基本概念。这些内容乍看似乎并不重要，但事实上却是本课程其他所有内容的基础。
学习目标：
模型与建模——为什么要建模；
建模周期——设计（Designing）、实施（Implementing）和分析（Analyzing）模型并使用它们解决科学问题的迭代过程；
基于主体的模型——基于主体的模型与其他类型模型的区别，以及使用它们的理由。
1.2模型
模型是对某个真实系统的特定表达（Starfield，1990）。通过建立和使用模型，可以解决或回答一个或一类与系统相关的问题。科研中，我们通常需要去思考系统运行的原理，解释所观测到的模式，并预测系统行为对某些变化的响应。真实系统往往过于复杂或发展太慢，无法通过实验来分析。例如，仅通过实验很难去理解城市的发展和土地利用变化。因此，我们尝试运用
