管理会计研究中基于Agent的计算经济学； 机遇与困难

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
基于Agent的计算经济学(ACE)虽然在管理科学的其他领域得到了广泛的应用，但却是管理会计研究(MAR)的一个相当新颖的范式。本文概述了ACE可能为管理会计研究带来的机遇和困难，特别是介绍了管理会计研究人员在考虑ACE作为其特定研究努力的范式时可能采用的框架。该框架建立在ACE的两个相互关联的范式要素之上：一组关于经济主体的理论假设和基于主体的建模方法。重点是对比ACE的机会和困难与其他研究方法的MAR。
---
英文标题：
《Agent-based Computational Economics in Management Accounting Research:
  Opportunities and Difficulties》
---
作者：
Friederike Wall and Stephan Leitner
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
英文摘要：
  Agent-based computational economics (ACE) - while adopted comparably widely in other domains of managerial science - is a rather novel paradigm for management accounting research (MAR). This paper provides an overview of opportunities and difficulties that ACE may have for research in management accounting and, in particular, introduces a framework that researchers in management accounting may employ when considering ACE as a paradigm for their particular research endeavor. The framework builds on the two interrelated paradigmatic elements of ACE: a set of theoretical assumptions on economic agents and the approach of agent-based modeling. Particular focus is put on contrasting opportunities and difficulties of ACE in comparison to other research methods employed in MAR.
---
PDF下载：
--> English_Paper.pdf (1.07 MB)

2022-4-19 18:32:37 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：agent 管理会计 会计研究 Age 经济学

管理会计研究：机遇与困难Friederike Wall和Stephan LeitnerKlagenfurtUniversity of Management Control and Strategic Managementements://doi.org/10.2308/JMAR-19-073引用如下：Wall,Friederike和Stephan Leitner。2020年。基于代理的计算经济学管理会计研究：机遇与困难。管理会计研究杂志。DOI:10.2308/JMAR-19-073.基于抽象Agent的计算经济学(ACE)虽然在管理科学的其他领域被广泛采用，但它是管理会计研究(MAR)的一个相当新颖的范式。本文概述了ACEmay在管理会计研究中所面临的机遇和困难，特别介绍了管理会计研究人员在考虑ACE作为其特定研究努力的aparadigm时可能采用的框架。该框架建立在ACE的两个相互关联的范式要素之上：一组关于经济主体的理论假设和基于主体的建模方法。重点讨论了ACE与MAR中的其他研究方法相比的机会和困难。关键词：基于Agent的建模；有限理性；涌现；学习；分类:C63、D8、D91、M40致谢：作者感谢资深编辑Eva Labro和三位匿名审稿人的宝贵意见和建议。相应作者:friederike.wall@aau.atintroduction管理会计研究(MAR)中采用的理论基础和方法是多方面的。根据对MAR的研究（例如，Shields1997,Hesford et al.2007年，Lindquist和Smith 2009年，Hopper和Bui2016，古菲和竖琴2017)，理论基础包括经济学，心理学和认知科学到社会学，所采用的方法包括，例如，分析的、基于调查的、实验的、概念的、基于案例的和档案的方法。尽管经济学已经见证了基于Agent的计算经济学(ACE)的出现，ACE已经广泛应用于管理科学的各个领域，但这一观点在MAR中的应用仍然有限。本文概述了ACE在管理会计研究中可能存在的机会和困难，特别是介绍了管理会计研究人员在考虑ACE作为他们特定研究努力的范式时可能使用的框架。ACE是“作为交互Agent的开放动态系统的经济过程（包括整体经济）的计算建模”（Tesfatsion 2017,p.207）。两个方面构成ACE。首先，ACE建立在基于Agent的建模范式(ABM)之上，它不仅被用于经济学，而且也被用于社会科学的其他领域（对于概述，例如，Squazzoni2010，Squazzoni，Jager和Edmonds2014)。ABM构建“人工”代理（即软件代理），它们的行为遵循指定的规则，并且在它们的环境中相互交互。ABM提倡自下而上的观点，通过模拟，宏观行为（即在“系统层面”）的例子是Leitner和Behrens(2013)和(Leitner，Brauneis和Rausch，2015)对资本预算中的跨栏率机制的研究，Lorscheid和Meyer(2017)对预算中真实报告机制的研究，或Wall(2017)对基于学习的激励计划的出现的研究。随着时间的推移，从微观层面（即代理人的行为及其局部互动）出现(Bonabeau2002，Epstein2006b)。

第二，ACE包含了一些与新古典或新制度经济学等更成熟的经济思想流派的偏差。这第二个特征，特别是导致了对经济主体的宽松假设，因此，允许整合来自其他科学领域的发现，如捕获的非行为经济学、神经经济学和实验经济学（Chen and Wang 2011）。因此，与分析模型相比，ACE不仅带来了更现实的假设，增加了外部有效性，而且还带来了一种解决方法，以解决难以达到可处理的封闭形式的解决方案。本文的结构如下。我们首先概述了管理会计的研究领域，我们认为这些领域可以特别受益于应用ACE，在第三部分，我们提供了一个ACE的概述。熟悉该方法的读者可以跳过此部分。第四部分提出了管理会计研究者在考虑ACE作为一种研究方法时可以采用的框架。第五节将ACE与国际海洋研究所经常使用的其他研究方法联系起来，其中特别侧重于比较ACE与（“非ACE”）基于模拟的方法、封闭形式的分析方法、实验室实验、实地工作以及基于档案和调查的研究。最后一节是对管理会计领域的一些最后评论。对于有兴趣采用ACE的研究者来说，随附的internet附录概述了ACE中应用最广泛的两种结构化仿真方法（A部分）,提供了基于Agent的模型实现的支持信息（B部分）,管理会计研究人员面临的设计选择，当这是以降低内部有效性为代价的，因为它不再完全清楚解决一个模型是什么驱动的结果。使用ACE（第C部分）并概述了两个在MAR中受ACE启发的研究的例子。应用ACETo的有希望的管理会计研究领域给读者一个在MAR中广泛适用性的概念，我们使用在该领域的两种期刊，即《管理会计研究杂志》和《管理会计研究》几乎同时25周年之际发表的文章。2015年和2016年--在各自的周年纪念日之际--这些期刊发表了该领域著名学者的文章，反思管理会计的状态和方向。1）决策、错误和偏见鉴于在ACE中，代理人及其（相互间）行动处于建模的核心，本节努力的起点是询问在上述“周年问题”中哪些行动是焦点，以及由谁执行这些行动。根据Krishnan(2015)，`管理会计是对组织内部决策的研究‘（p。188）。与此类似，Labro(2015a)建议将MAR重新聚焦于决策制定，而不是绩效衡量或薪酬等其他主题。Labro不仅指出，决策是管理人员的日常实践，他们希望在会计领域的其他领域如税务（例如，Davis，Hecht和Perkins 2003,Bloomquist 2006,Bloomquist 2011）或合规（例如Davis和Pesch 2013）也使用了ACE,但我们对其在管理会计研究中的潜力特别感兴趣。关于JMAR，2015年第1期包括25周年庆祝活动的论文，Mittendorf(2015)的介绍和Krishnan(2015)的全面反映；关于“ManagementAccounting Research”，25周年刊发表于第31卷（2016年3月），并附有Bromwich and Scapens(2016)的社论文章。

此外，在概述的例子中(Labro2015a，同时在Hemmer和Labro2019)，很明显，手边的不是像盈余管理这样的行为，而是--更“自然”的--经理们随着时间的推移，从过去的决策主题中学习。在这方面，Bloomfield(2015)强调管理报告中的错误和决策中的偏见是相关问题。同样，Shields(2015)主张将行为经济学和心理学的观点结合起来，以更丰富地理解管理会计如何影响个人效用的各个组成部分。这些考虑与Bromwich和Scapens(2016)一致，他们认为在研究道德风险或逆向选择等主题时，MAR的部分依赖于“限制性假设”（第7页）。在此背景下，我们认为ACE以其对行为主体的关注和对行为假设的宽泛，可能有助于上述问题的研究。例如，在这条线上，我们可以用一个合适的方法来研究以下问题：--管理者的决策行为是如何影响在组织层面上获得的绩效的，这种决策行为受到多种偏见的影响（如心理学和行为经济学所阐述的）？某些偏见是相互缓解还是相互加剧的？-决策管理者之间关于偏见的异质性如何影响在组织层面上获得的绩效？-决策促进信息中的错误和噪音是否会在使用分工的组织中传播？是什么促成了最终的传播？2）管理控制系统和系统内相互作用在两个周年纪念问题中都非常强调管理控制系统(MCS)与MAR的高度相关性(Salterio2015,Shields 2015,Otley 2016）。根据Otley(2016)，管理控制系统的设计和使用通常是以一种模糊的方式处理的，每个报告的研究只选择一两个方面，很少有工作试图获得一个组织使用的整体系统的整体观点。54）.这广泛地要求研究MCS的不同组成部分之间的相互关系--以组成部分之间的某种内在契合或一致性的思想（例如，Grabner和Moers2013)。然而，正如Luft(2016)基于实验证据指出的那样，MCS的正式和契约组成部分可能在影响行为方面发挥双重作用：一方面，通过实施它们指定的行为；另一方面，通过“影响它们不能实施的行为”（P。84)，例如，通过影响气氛（dis--)信任或非正式互惠，而这些信任或互惠可能是针对或违背组织目标的。我们认为ACE特别适合从全面或--根据Otley(2016)--整体的角度来研究MCS。ACE允许建立具有丰富制度安排的组织模型，其中决策代理人具有多方面的行为和偏好。此外，ACE的一个先天特性是代理人与其他代理人相互作用，代理人的行动（决策）是事件的主要触发因素。

根据Luft(2016)，行动和相互作用可能会受到MCS双重作用的影响。因此，例如，通过ACE可以研究以下研究问题：-就子系统之间的高度内部匹配而言，MCSs的哪些配置具有高度的内部一致性？-MCS中是否有子系统/组件比其他子系统/组件对组织的总体目标的绩效更为关键？-具有不同资格和角色的代理之间的交互作用如何影响MCS的演化特性，例如在MCS中运作的经理和管理会计师？-基于代理的计算经济学(ACE)的超越本部分的目的是简要描述ACE的主要特征。熟悉ACE的读者可以跳过本节。本部分分为三个部分：首先，从理论的角度，对ACE中偏离moremainstream学派经济思想的假设进行了概述；从一个更“技术”的角度，第二，基于Agent的建模作为ACE中使用的建模方法被概述，然后，第三，关于基于Agent的模拟的一些评论。在ACES中纳入的理论假设这部分旨在描述ACE偏离更传统的经济思想流派，如新古典经济学和新制度观的关键方面。值得一提的是，有几种更传统的经济学方法采用了“代理思维”，例如，新制度经济学中的委托代理理论及其在理解和设计激励方案中的应用。然而，我们试图确定ACE与更传统的经济思想流派如新古典方法和新制度主义相比较的更显著的特征。为此，我们特别依赖于Tesfatsion(2006)、Chang和Harrington(2006)和Chen(2016)，关键差异总结在表1中。<<<在此插入表1>>>表1新古典和新制度经济学与基于Agent的计算经济学的关键元素基于Tesfatsion(2006)、Chang和Harrington(2006)、Chen(2016)组件/基于Agent的计算经济学新古典和新制度经济学AgentsSearchBehaviorAgents能够监督整体分解空间；对于给定的偏好和给定的信息状态，最优解是确定的，优化Agents不能监督整体解空间；也就是说，在给定的情况下（当前状态，偏好，…)，智能体逐步寻找更好的解决方案，自适应搜索智能体的理性行为；行为上的不完美源于不完全信息（例如，关于相关变量的未来状态）有限理性；认知局限可能导致不完美的行为；即使是可获得的信息也可能不是有用的代理--基于理解和预见的学习--主要基于经验和回顾--代理--差异--所谓的“代表性代理”的流行，即个体的选择与该类型代理的集合一致，即代理在各种性质上可能不同，这是明确考虑的焦点分析的焦点平衡，并详细分析过程和相互作用的平衡的性质；结构条件、制度安排和行为倾向的详细说明时间范围主要是稳定状态，经过一些适应但在系统分析之前的平衡方法闭式模型与结果的（数学）证明数值实验（模拟）与更传统的经济思想流派相比，ACE最显著的特点可能是它对经济主体的看法。

特别是，在ACE中，为了获得更现实的模型，放宽了一些关于经济主体特征的关键假设（通常是在非传统的经济方法中做出的）。假设的产生部分地对inACE所用的模型、解决它们的方法和所提供的洞察力产生了深远的影响。鉴于我们对MAR的关注，在下面，我们概述了ACE与更传统的经济思想流派的偏差，这些偏差从组织内部的角度来看尤其相关（对于更广泛的概述，如Tesfatsion 2006,Chen 2016）。相关的关键特征是：（1）对Agent的理解表现出某种形式的有限理性，这导致了（2）对搜索和学习过程的关注和（3）对Agent异质性的明确认识。1）Agent的有限理性。在新古典和新制度经济学中，代理人的典型特征是一个效用函数，它捕捉代理人的偏好，以及代理人的信念（就分布函数而言，它代表对未知的理性期望）。在此基础上，粗略地说，一个代理决定有利于那个使其期望效用函数最大化的选择。此外，经济代理人被假定理解其他代理人的行为。然而，理解其他智能体并不一定意味着他们完全了解其他智能体的行为。相反，可能存在某种形式的信息不对称，这可能导致隐藏行为或隐藏的信息问题(Lambert2001)。相比之下，在ACE智能体典型地以某种形式的认知能力局限性为特征（用于概念概述Chen2012)。这些限制常常受到Herbert Simon(1955，1959)的启发，也可能基于行为经济学、神经经济学或实验经济学(Chen2016)。特别是，在ACE中，智能体可能只处理有限的记忆和有限的信息处理能力，在形成期望时表现出偏见，并在决策过程中使用启发式（Tversky and Kahneman1974)。认知上的局限为微调基于代理的模型中所包含的代理的技能提供了基础，并允许捕获比传统经济思想学派通常所建议的更少的“天赋”代理(Axtell2007，Chang和Harrington2006)。2）逐步搜索和学习。随着Agent被赋予有限理性，关于“决策算法”类型的进一步后果出现了，这无关紧要地导致了对传统经济学关于Agent思想的另一种偏离：如上所述，Agent通常被建模为效用最大化者，原则上能够“同时”监督整个可行解决方案的空间。因此，代理人，首先，处置对他们所面临的决策问题的理解（根据心智模型），其次，被赋予对将要发生的事情的预见。这使得Agent能够使用最优化算法来即时地确定各自决策问题的全局极大值。相反，在ACE中Agent通常不知道可行解的整个空间。Itis经常假设，在某一时刻，代理人不会放弃对其问题和可能的解决方案的“理论”理解，而是必须逐步寻找更好的解决方案，例如，提供比现状更好的性能（就代理人的目标而言）的解决方案（Safarzy Tholska and van den Bergh，2010)。ACE偏离传统经济思想的背后是一种令人满意的方法：当信息处理能力有限时，代理人可能会努力争取“具有合理计算成本的好决策”（Simon 1979,p.

498).为了表示这种逐步和局部搜索行为，主要使用贪婪算法，特别是爬山算法。414)，贪婪的算法总是根据“局部最优选择”来做出最适合主题的选择，希望这种选择将导致全局最优解“。爬山算法采用了在徒步旅行者并不完全知道的风景中寻找最高顶峰的比喻，但必须逐步发现。在爬山算法中，在“风景”中的移动要求结果（“高度”）由该移动增加。例如，在最陡上升爬山算法中，选择所发现的有限选项集中的一个选项，选择与现状相比在结果上改善最大的一个选项；如果没有一个替代方案承诺结果会倾向，那么现状就会保持下去。因此，Hill-ClimbingAlgorithments特别容易陷入alandscape中的局部极大值、脊或高原(Macken，Hagan和Perelson 1991,Cormen et al.2009)。这尤其是由于这样一个事实，即在这些算法中，决策者(\'hiker\')不会接受支持长期增长的短期下降，因为不会做出支持提供比现状更低结果的选项的选择（Selman and Gomes2006，Tracy et al.2017)。因为逐步搜索优越的解决方案--而不是“瞬时”优化--是ACE的一个关键特征，进一步的问题出现了：如何在一群决策代理之间组织搜索（例如，并行或顺序）？代理如何学习搜索以改进他们的搜索策略？哪些搜索策略会随着时间的推移而演变（例如，从基于经验和经验的搜索切换到基于要解决的决策问题的心智模型的前瞻性搜索）？后一个方面特别指出搜索行为可能受到适应的影响。粗略地说，从“瞬时”发现全局最优到逐步搜索和学习过程的观点，包括在调整的时间和速度上提高性能的问题，也开始发挥作用。与古典和新制度经济学相比，ACE带来了从（比较和分析）均衡和长期观点到紧急解决方案和中期动力学的转变（Chang和Harrington，2006)。3）代理人的异质性。对有界理性的经济主体（见上文）的明确考虑允许经济主体的异质性，因为背离理性的形式有很多(Axtell2007，Chen2012)。例如，代理人可能在偏好、期望、知识、认知能力、基本信念、社会网络和行为规则方面处于异质状态（概述见Chen2016)。ACE中代理人的潜在极端异质性与更传统的经济模型中常见的所谓“代表性代理人”（Kirman 1992）形成了对比。即使更传统的经济学考虑不同类型的代理人（例如，消费者、公司）一种类型的众多代理人由一个“有代表性的”个人代表，他们的选择被认为与一种类型的代理人的集合相一致（Blundell和Stoker2005)。与更传统的经济方法相比，ACE中包含的一组假设是以数学可处理性为代价的：ACE不是允许证明最优解或均衡的封闭形式模型（例如，在最优激励方案的委托人代理模型中），而是使用计算模型和模拟进行数值实验。

基于Agent的建模(ABM)基于Agent的模型由三个关键要素组成：（1）Agent，(2)Agent运行的环境，(3)Agent之间以及Agent与环境之间的交互（例如，Tesfatsion 2006,Macal and North 2010）。研究人员建立了一个由这些组件组成的系统模型，并通过计算机模拟，生成了代理交互（微观层面）和紧急系统行为（宏观层面）的“历史”(Tesfatsion2017)。基于这个原因，ABM被认为会导致“生成性社会学”(Epstein，2006a)。下面将对基于Agent的模型的三个关键组成部分进行更详细的描述：（1）Agent反映了基本实体，这些实体通过它们的行为和决策来驱动包含由模拟生成的历史的动态。真实世界的实体是用代理来描述的，这取决于研究工作的特定焦点。例如，代理人可能代表-单个个人，像经理、工人、审计员或董事会成员--社会群体，即具有类似专业背景的人员群体，如会计师或在公司中具有类似历史的人员群体（例如，相同的队列或雇用日期）--机构，如市场、公司、组织内的部门--值得一提的是，有两个主要的“基于Agent的计算”流应该明确区分--尽管两者之间存在共性和交叉受精的相互关系（Niaziand Hussain 2011）：一方面，有基于Agent的建模和基于Agent的计算雇员，以理解相互作用的Agent的复杂系统中的紧急现象。这一研究流采用基于Agent的建模作为一种研究方法，通常被称为“社会模拟”（例如，Squazzoni，Jager和Edmonds，2014)，也反映了本文的理解。另一方面，基于Agent的建模被应用于多Agent系统领域（例如，机器人团队，无人机舰队），以支持具有预期规格的系统设计（Wooldridge 2009）。-基于人工智能方法的机器人或自主决策装置等其他“物种”的Agent被赋予一些基本特征，如它们追求的目标，它们为实现这些目标可能采取的行动或决策，以及它们的行为规则（例如Bonabeau 2002,Safarzy Anska和van den Bergh 2010,Tesfatsion 2006,Wooldridge和Jennings 1995）。关于后者，代理人的一个基本特征是他们有一定的自主权，这意味着他们的行为不是由中央权威直接和完全决定的。换句话说，如果不赋予模型中的一个agent哪怕是轻微的行为自由裁量权，这个agent就不能在宏观层面上对突现行为的理解做出很大贡献。然而，这并不意味着在基于Agent的模型中不包括层次级别。例如，在ABM中，包括下级决策者和上级之间的反馈循环的交互可以被包括在内，以便代表分层组织(Epstein2006a，Chang和Harrington2006)。此外，在ABM中，代理必须处理能力(i)从他们的环境和其他代理接收信息，以及(ii)对所接收的信息做出响应。例如，在一个关于创新扩散的模型中，这可以包括代理人(i)观察他们的邻居是否已经采用了一种新产品，(ii)如果达到了采用邻居的某个阈值，也决定支持该产品。

因此，在一个基于agent的模型中，一个agent由一组关于该agent关于环境和其他agent的特定知识的数据和一组捕获agent行为的方法来表示；Agent的知识和行为都可能随着时间的推移而发生变化(Tesfatsion2006，2017)。（2）Agent运行的环境构成了基于Agent的模型的第二个构建块。“环境”一词的范围很广，根据模型的主题，可以涉及物理空间（例如地理位置和技术基础设施）、生态环境（例如植物的分散和大气污染）或概念空间（可能与管理会计更相关）。例如，这样一个概念空间可以由智能体面临的任务或决策问题以及在完成任务时要尊重的约束来提供（Chang andHarrington，2006)。不管对“环境”的广义理解如何，建模应该强调两个方面。首先，在ABM中，环境通常是显式表示的（例如，包括拓扑、街道在内的特定空间环境）(Epstein2006a)。在organizationalmodeling中，环境可能表示要解决的决策问题，这可能意味着表示整个解决方案空间，包括由这些olutions提供的性能级别。这就证明了“适应景观”这个术语是合理的，它经常被使用在ABM中，并受到进化生物学的启发（Kauffman and Levin1987,Levinthal1997)。然而，在“景观”中运作的代理人通常并不完全了解它，而是必须探索它（如前一节所述）。其次，环境的显式建模允许确定两个主体或两个解决方案是否“相邻”（无论是在空间模型中还是在比喻意义上，例如在文化距离方面）。基于邻域的思想，可以研究不同的搜索策略，例如，智能体是局部搜索（即只对当前的解决方案进行轻微修改，即利用）还是执行“长跳”（即进行与探索相对应的重大改变）以找到适合他们的最佳解决方案。环境可能表现出不同的特征。例如，它可以表示可分解或不可分解的简单或高度复杂的任务(Simon1962，Chang Andharrington2006)。环境可能是稳定的或动态的，当环境被Agent的行为塑造（或对Agent的行为做出反应时，环境可能是外生的（如冲击）或内生的（如Siggelkow和Rivkin2005)。（3）Agent之间以及Agent与环境之间的相互作用是基于Agent的模型的第三个核心组成部分。代理人之间的交流可能通过直接和/或间接的互动而中断（Safarzy Angulska and van den Bergh 2010,Weiss 1999,Tesfatsion 2001）。直接交互是指代理，以任何一种方式，直接相互交流。在组织内部协调的模型中，代理可以，例如，在同一层次上按一定的顺序通知其他代理人他们打算采取的行动；因此，当这些代理人收到关于预期行动的信息时，他们可能会修改他们的意图（例如，Martial1992)。关于可行的选择，下级代理可以通知代表上级经理的代理，然后由上级经理做出最终选择（例如，Siggelkow和Rivkin2005)。在前面提到的横向和纵向沟通过程中，沟通可能完美运行，也可能因错误而受损（Wall 2016,2019）。代理之间的间接交互通常被实现以通过环境来工作，例如，代理观察彼此，注意环境如何受到其他代理的行为的影响，并对环境中的变化做出反应。

观察其他代理也可以允许代理从其他代理中学习，并以这种方式捕捉模仿（例如，Rivkin2000)。交互作用也可以根据它们是否具有合作或非合作性质（例如，共享/不共享知识和其他资源）来划分（Axelrod和Hamilton，1981)。此外，ABM允许捕捉基于友谊、对某些社会群体的归属感或集体情感的代理之间更复杂的社会互动（Schweitzer and Garcia2010)。因此，建模者必须指定一个潜在的“连接性拓扑”，该拓扑定义代理与谁以及如何互动（Macal and North 2010）。这也包括交互的时间结构的定义，例如，（人工）同步性与异步性(Tesfatsion2017)。如果相互作用的“拓扑结构”受到（内生的）变化，那么相互作用适应的规则也必须被规定出来。值得注意的是，在ABM中，宏观层次的行为是从微观层次的代理行为和它们的局部相互作用中产生的。即使是微观层次上的简单行为规则和局部相互作用也可能在宏观层次上诱导出非常复杂的行为（例如，Ma和Nakamori2005)，而这些行为不能从这些主体的个体行为中推导出函数关系（Epstein和Axtell1996，Epstein2006a，Tesfatsion2006，2017)。基于Agent的仿真基于Agent的模型通常在软件程序中实现，并在viacomputer仿真中“解决”，即不是证明，而是广泛的数值推导产生结果（Chang和Harrington2006)。然而，ABM并不是唯一一种特别关注理解社会系统和复杂系统动力学的建模方法。特别值得一提的是，系统动力学。在系统动力学中，建模始于对变量之间函数关系的假设，捕捉系统的特征，这是感兴趣的中心。函数关系可以建立在经验证据或理论假设的基础上。从函数关系（通常是一组微分方程组）中，可以导出关于平衡或创新或变化扩散的预测。与ABM的一个关键区别是，系统动力学直接从系统的层次开始，系统的性质是通过记录变量随时间的变化从一组方程组中导出的（Gilbert和Troitzsch2005)。相反，在ABM中，在建模的起点是Agent，它们的行为和相互作用，研究者观察系统的哪些性质从这些成分中自下而上地显现出来。这两种建模方法的不同之处在于如何捕获个体（例如决策者）：在系统动力学中，个体通常不是单独建模，而是作为代表性的代理捕获，即每个代理都是相似的，代表感兴趣群体的“平均值”。相比之下，在Abminidials是明显的模型。根据Macy and Flache(2009)，ABM用一群模型取代了一个单一的种群模型，每个模型都是一个独立运作的自治实体（第255页）。关于两种建模方法的彻底比较，请参见Schieritz和Milling(2003)。根据Law(2007)，仿真模型可以沿着三个维度进行分类。首先，静态模型与动态模型的分类捕捉到模型是否代表在某个时间点上的无症状，或者系统是否随时间被观察到。第二，在连续模型和离散模型中的区别--粗略地说--抓住了在所建模的系统中，状态变量是否随时间连续变化或在某些时间点瞬时变化。