Skip to main content
SpringerLink
Log in

Agent-Based Modeling (ABM)

  • Chapter
  • First Online:
Neue Trends in den Sozialwissenschaften

Zusammenfassung

Die Simulation interagierender Individuen in künstlichen Gesellschaften hat erst langsam begonnen, in den Sozialwissenschaften breiter Fuß zu fassen. Der Beitrag stellt die Entstehung des Agent-Based Modeling-Ansatzes dar und entwickelt vor dem Hintergrund des dort verwendeten Modellbegriffs die Prinzipien wissenschaftlicher Erklärung mit ABM. Anschließend stellt er die typischen Elemente eines Agentenmodells vor und gibt Hinweise darauf, wie ein ABM konkret entwickelt wird. Nach einem Überblick über die bisherigen Anwendungsfelder innerhalb der Sozialwissenschaften wird anhand von zwei Beispielen gezeigt, wie Forschung mit Softwareagenten konkret funktioniert. Der Beitrag schließt mit Tipps zur Anwendung und zu möglichen Softwareplattformen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Bei Mikrosimulation en wird eine empirische Stichprobe (z. B. Haushalte oder Individuen) anhand von Transitionswahrscheinlichkeiten „gealtert“ um ein zukünftiges Sample zu erhalten (siehe Gilbert und Troitzsch 2005, S. 8 und 57–78), beispielsweise um die Veränderung einer Bevölkerung vorherzusagen. Die den Transitionen unterliegenden Prozesse sind dabei inhaltlich von sekundärem Interesse.

  2. 2.

    Zelluläre Automaten sind Simulation, in der Zellen auf einem Netzwerk (zumeist ein Gitter ) lokal interagieren, bspw. indem sie anhand fester Regeln ihren Zustand in Abhängigkeit von den Zuständen der benachbarten Zellen ändern. Auf Aggregatebene erzeugen die oft simplen Regeln solcher Automaten mitunter sehr komplexe Muster, die von der Maserung von Muschelschalen über Schneeflocken bis hin zu sich selbst replizierenden Strukturen reichen können, die teilweise sogar in der Lage sind, Computer zu emulieren.

  3. 3.

    Objektorientierte Programmierung bezeichnet ein Paradigma, nach dem die Architektur einer Software den Strukturen des Bereichs folgt, für die sie angewendet wird. Während das (alternative) Paradigma der prozeduralen Programmierung ein Programm als Ablauf von Anweisungen begreift und damit eher der landläufigen Vorstellung von Programmierung entspricht, werden Daten und die auf sie angewendeten Funktionen beim objektorientierten Paradigma in Code-Objekten zusammengefasst, die oft den realen Objekten des Anwendungsbereichs entsprechen (z. B. würde eine Bibliothekssoftware eine ausdrückliche Repräsentation von Büchern besitzen). Aus der Interaktion dieser Objekte ergibt sich dann der Programmfluss.

  4. 4.

    Es sei erwähnt, dass die Ausführung eines Programms ein deduktiver Prozess ist sodass eine generative Erklärung eine deduktive ist (Epstein 2006, S. 11), allerdings unter der Einschränkung dass der Programmcode das Modell korrekt wiedergibt (David et al. 2007). Zudem erfüllen generative Erklärung en das Poppersche Falsifikationskriterium, da die Generierung auch fehlschlagen kann (Epstein 2006, S. 16). Zugleich sind die Erklärungen reduktiv und schließen irreduzible Phänomene aus, da das Makromuster auf die Mikro-Ebene zurückgeführt wird (Epstein 2006, S. 33–34). Für eine Kritik des Ansatzes siehe Grüne-Yanoff (2009), für eine Entgegnung Elsenbroich (2012). Teilweise noch offen ist die Frage, welche Position holistische Elemente bzw. Einflüsse der Makrostruktur auf die Mikro-Ebene einnehmen sollen (Conte et al. 2012, S. 336; Squazzoni 2008, S. 6).

  5. 5.

    Weitere Attribute sind z. B. Selbstreproduktion (Michel et al. 2009, S. 14), Adaptivität, Heterogenität (Macal und North 2010, S. 153) oder Lernfähigkeit (Macal et al. 2013, S. 11).

  6. 6.

    Das Modell ist als Java-Applet unter http://jasss.soc.surrey.ac.uk/12/1/6/appendixB/MillerPage2004.html zu finden.

  7. 7.

    Eine ABM-orientierte Einführung in UML gibt Bersini (2012).

  8. 8.

    Die Forschung zu komplexen Systemen kann hier nicht ausgebreitet werden, für eine allgemeine Einführung siehe Mitchell (2009), für eine sozialwissenschaftliche Perspektive Miller und Page (2007). Grob gesprochen ist ein komplexes System ein System vieler Teile, deren Interaktion stabile Muster auf der Makro-Ebene erzeugt („Sebstorganisation“ bzw. „Emergenz“). Diese Muster sind oft auffallend unabhängig vom konkreten Verhalten der Mikro-Einheiten und für gewöhnlich auch nicht in der Spezifizierung der Einheiten angelegt sondern entstehen vielmehr aus deren Interaktion heraus, was eine reduktionistische Analyse untergräbt (Miller und Page 2007, S. 27). Zudem kann es durch die Interaktion zu schwer vorhersehbarem und mitunter auch sehr dynamischem Systemverhalten kommen. Das Beispiel eines Vogelschwarms verdeutlicht viele Aspekte: In der Beschreibung eines Vogels ist das Konzept eines Schwarms nicht enthalten, ein Schwarm entsteht aus der Interaktion von Vögeln, er besteht unabhängig von einem einzelnen Tier fort und erscheint „im Großen“ als klar abgrenzbares Ganzes, dessen Verhalten in einer eigenen Begrifflichkeit („Tanz der Stare“) beschrieben werden kann.

  9. 9.

    Für das Modell von Axelrod findet sich auch manchmal die Bezeichnung cultural dynamics.

  10. 10.

    Ego-Netzwerkdaten sind (zumeist) Surveydaten, bei denen Befragte gebeten werden, nicht nur Auskunft über sich selbst zu geben sondern auch über Personen, mit denen sie in Kontakt stehen, im konkreten Fall der Studie über Menschen, mit denen sie viel über ihnen wichtige Dinge bzw. über Politik sprechen.

  11. 11.

    Siehe auch die Übersicht des OpenABM-Konsortiums: https://www.openabm.org/modeling-platforms sowie die dort verlinkten, weiteren Übersichten. Leider wird für die meisten Projekte nicht vermerkt, welche aktiv gepflegt werden und welche „eingeschlafen“ sind sodass der Auswahl einer Plattform auch immer eigene Recherche vorangehen sollte. Hierbei empfiehlt es sich, auch gleich auf die Verfügbarkeit von Tutorials zu achten sowie einer Möglichkeit, bei Fragen andere Nutzer (z. B. über eine Mailingliste) zu kontaktieren.

Literatur

  • Albin, Peter S., und Duncan K. Foley. 2001. The co-evolution of cooperation and complexity in a multi-player, local-interaction prisoners’ dilemma. Complexity 6 (3): 54–63. doi:10.1002/cplx.1030.

    Article  Google Scholar 

  • Aleksiejuk, Agata, und Janusz A. Hołyst. 2001. A simple model of bank bankruptcies. Physica A: Statistical Mechanics and its Applications 299 (1–2): 198–204. doi:10.1016/S0378-4371(01)00296-5.

    Article  Google Scholar 

  • Allan, Rob. 2010. Survey of agent based modelling and simulation tools. Daresbury Laboratory Technical Reports DL-TR-2010-007. Warrington. https://epubs.stfc.ac.uk/work/50398.

  • Arthur, W. Brian. 1994. Inductive reasoning and bounded rationality. The American Economic Review 84 (2): 406–411.

    Google Scholar 

  • Axelrod, Robert. 1984. The evolution of cooperation. New York: Basic Books.

    Google Scholar 

  • Axelrod, Robert. 1997a. Advancing the Art of Simulation in the Social Sceiences. In Simulating social phenomena, Hrsg. Rosaria Conte, Rainer Hegselmann, und Pietro Temo, 21–40. Heidelberg: Springer.

    Google Scholar 

  • Axelrod, Robert. 1997b. The dissemination of culture: A model with local convergence and global polarization. The Journal of Conflict Resolution 41 (2): 203–226. http://www.jstor.org/stable/174371.

  • Axelrod, Robert. 1997c. The evolution of strategies in the iterated prisoner’s dilemma. In The Complexity of Cooperation, Hrsg. Robert Axelrod, 10–29. New Delhi: New Age International.

    Google Scholar 

  • Axelrod, Robert, und D. Scott Bennett. 1993. A landscape theory of aggregation. British Journal of Political Science 23 (2): 211–233.

    Article  Google Scholar 

  • Axtell, Robert L. 1999. The emergence of firms in a population of agents: Local increasing returns, unstable nash equilibria, and power law size distributions. Washington: Brookings Institution.

    Google Scholar 

  • Axtell, Robert L., und Joshua M. Epstein. 2006. Coordination in transient social networks: An agent-based computational model of the timing of retirement. In Generative social science: Studies in agent-based computational modeling, Hrsg. Joshua M. Epstein, 147–174. Princeton: Princeton University Press.

    Google Scholar 

  • Axtell, Robert L., Joshua M. Epstein, Jeffrey Deand, George Gumerman, Alan Swedlund, Jason Harburger, Shubha Chakravartya, Ross Hammond, Jon Parker, und Miles Parker. 2002. Population growth and collapse in a multiagent model of the Kayenta Anasazi in Long House Valley. Proceedings of the National Academy of Sciences 99 (3): 7275–7279. http://www.pnas.org/content/99/suppl.3.

  • Balke, Tina, und Nigel Gilbert. 2014. How do agents make decisions? A survey. Journal of Artificial Societies and Social Simulation 17 (4): 13. doi:10.18564/jasss.2687.

    Article  Google Scholar 

  • Bandini, Stefania, Sara Manzoni, und Giuseppe Vizzari. 2009. Agent based modeling and simulation: An informatics perspective. Journal of Artificial Societies and Social Simulation 12 (4): 4. http://jasss.soc.surrey.ac.uk/12/4/4.html.

  • Bennett, D. Scott. 2008. Governments, civilians, and the evolution of insurgency. Modeling the early dynamics of insurgencies. Journal of artificial societies and social simulation 11 (4). http://jasss.soc.surrey.ac.uk/11/4/7.html.

  • Bersini, Hugues. 2012. UML for ABM. Journal of Artificial Societies and Social Simulation 15 (1): 9. doi:10.18564/jasss.1897.

    Article  Google Scholar 

  • Bhavnani, Ravi, und Dan Miodownik. 2009. Ethnic polarization, ethnic salience, and civil war. Journal of Conflict Resolution 53 (1): 30–49.

    Article  Google Scholar 

  • Bhavnani, Ravi, Karsten Donnay, Dan Miodownik, Maayan Mor, und Dirk Helbing. 2014. Group segregation and urban violence. American Journal of Political Science 58 (1): 226–245. doi:10.1111/ajps.12045.

    Article  Google Scholar 

  • Boero, Riccardo, und Flaminio Squazzoni. 2005. Does empirical embeddedness matter? Methodological issues on agent-based models for analytical social science. Journal of artificial societies and social simulation 8 (4). http://jasss.soc.surrey.ac.uk/8/4/6.html.

  • Boero, Riccardo, Matteo Morini, Michele Sonnessa, und Pietro Terna. 2015. Agent-based models of the economy. From theories to applications. Springer. http://link.springer.com/book/10.1057%2F9781137339812.

  • Bokulich, Alisa. 2011. How scientific models can explain. Synthese 180 (1): 33–45. doi:10.1007/s11229-009-9565-1.

    Article  Google Scholar 

  • Bravo, Giangiacomo, Flaminio Squazzoni, und Riccardo Boero. 2012. Trust and partner selection in social networks: An experimentally grounded model. Social Networks 34 (4): 481–492. doi:10.1016/j.socnet.2012.03.001.

    Article  Google Scholar 

  • Broeke, Guus ten, George van Voorn, und Arend Ligtenberg. 2016. Which sensitivity analysis method should I use for my agent-based model? Journal of Artificial Societies and Social Simulation 19 (1): 5. doi:10.18564/jasss.2857.

    Article  Google Scholar 

  • Bruch, Elizabeth E., und Robert D. Mare. 2006. Neighborhood choice and neighborhood change. American Journal of Sociology 112 (3): 667–709.

    Article  Google Scholar 

  • Bruch, Elizabeth E., und Robert D. Mare. 2009. Preferences and pathways to segregation: Reply to Van de Rijt, Siegel, and Macy. American Journal of Sociology 114 (4): 1181–1198.

    Article  Google Scholar 

  • Campbell, David E. 2013. Social networks and political participation. Annual Review of Political Science 16 (1): 33–48. doi:10.1146/annurev-polisci-033011-201728.

    Article  Google Scholar 

  • Castellano, Claudio, Santo Fortunato, und Vittorio Loreto. 2009. Statistical physics of social dynamics. Review of Modern Physics 81 (2): 591–646. doi:10.1103/RevModPhys.81.591.

    Article  Google Scholar 

  • Cederman, Lars-Erik. 2003. Modeling the size of wars: From billiard balls to sandpiles. American Political Science Review 97 (Januar): 135–150. doi:10.1017/S0003055403000571.

    Article  Google Scholar 

  • Cioffi-Revilla, Claudio. 2008. Simplicity and reality in computational modeling of politics. Computational and Mathematical Organization Theory 15 (1): 26–46. doi:10.1007/s10588-008-9042-2.

    Article  Google Scholar 

  • Cioffi-Revilla, Claudio. 2014. Introduction to computational social science. London: Springer.

    Book  Google Scholar 

  • Cioffi-Revilla, Claudio, und Mark Rouleau. 2010. MASON RebeLand: An agent-based model of politics, environment, and insurgency. International Studies Review 12 (1): 31–52. doi:10.1111/j.1468-2486.2009.00911.x.

    Article  Google Scholar 

  • Clarke, Kevin A., und David M. Primo. 2012. A model discipline: Political science and the logic of representations. Oxford: Oxford University Press. http://www.rochester.edu/college/psc/clarke/AMD_ClarkePrimo_Ch1.pdf.

  • Clifford, Peter, und Aidan Sudbury. 1973. A model for spatial conflict. Biometrika 60 (3): 581–588. http://www.jstor.org/stable/2335008.

  • Conte, R., Nigel Gilbert, G. Bonelli, C. Cioffi-Revilla, G. Deffuant, J. Kertesz, V. Loreto, et al. 2012. Manifesto of computational social science. The European Physical Journal Special Topics 214 (1): 325–346. doi: 10.1140/epjst/e2012-01697-8.

  • David, Nuno. 2013. Validating simulations. In Simulating social complexity. A handbook, Hrsg. Bruce Edmonds und Ruth Meyer, 135–171. Heidelberg: Springer.

    Chapter  Google Scholar 

  • David, Nuno, Jaime Simão Sichman, und Helder Coelho. 2007. Simulation as formal and generative social science. The very idea. In Worldviews, science and us. Philosophy and complexity, Hrsg. Carlos Gershenson, Diederik Aerts, und Bruce Edmonds, 266–284. Singapore: World scientific.

    Chapter  Google Scholar 

  • Davidsson, Paul. 2002. Agent based social simulation. A computer science view. Journal of artificial societies and social simulation 5 (1). http://jasss.soc.surrey.ac.uk/5/1/7.html.

  • Dean, Jeffrey S., George J. Gumerman, Joshua M. Epstein, Robert L. Axtell, Alan C. Swedlund, Miles T. Parker, und Steven McCarroll. 2000. Understanding Anasazi culture change through agent-based modeling. In Dynamics in human and primate societies, Hrsg. A. Kohler Timothy und George J. Gummerman, 179–205. Oxford: Oxford University Press.

    Google Scholar 

  • Deffuant, Guillaume, David Neau, Frederic Amblard, und Gérard Weisbuch. 2000. Mixing beliefs among interacting agents. Advances in Complex Systems 3 (01n04): 87–98. doi:10.1142/S0219525900000078.

    Article  Google Scholar 

  • Duffy, John. 2006. Agent-based models and human subject experiments. In Handbook of computational economics 2, Hrsg. Leigh Tesfatsion und Kenneth I. Judd, 949–1011. Amsterdam: Elsevier.

    Google Scholar 

  • Edmonds, Bruce. 2007. Simplicity is not truth-indicative. In Worldviews, science and us, Hrsg. Carlos Gershenson, Diederik Aerts, und Bruce Edmonds, 65–80. Singapore: World scientific.

    Chapter  Google Scholar 

  • Edmonds, Bruce. 2015. A context- and scope-sensitive analysis of narrative data to aid the specification of agent behaviour. Journal of Artificial Societies and Social Simulation 18 (1): 17. doi:10.18564/jasss.2715.

    Article  Google Scholar 

  • Edmonds, Bruce, und Ruth Meyer. Hrsg. 2013. Simulating social complexity: A handbook. Heidelberg: Springer.

    Google Scholar 

  • Edmonds, Bruce, und Scott Moss. 2005. From KISS to KIDS – An ‘Anti-simplistic‘ modelling approach. In Multi-agent and multi-agent-based simulation. Joint Workshop MABS 2004, New York, NY, USA, July 19, 2004, Revised Selected Papers, Hrsg. Paul Davidsson, Brian Logan, und Keiki Takadama, 130–144. Berlin: Springer.

    Google Scholar 

  • Ehrentreich, Norman. 2008. Agent-based modeling. The Santa Fe Institute artificial stock market model revisited. Berlin: Springer.

    Google Scholar 

  • Elsenbroich, Corinna. 2012. Explanation in agent-based modelling: Functions, causality or mechanisms? Journal of Artificial Societies and Social Simulation 15 (3): 1. http://jasss.soc.surrey.ac.uk/15/3/1.html.

  • Epstein, Joshua M. 2006. Generative social science. Studies in agent-based computational modeling. Princeton: Princeton University Press.

    Google Scholar 

  • Epstein, Joshua M., und Robert L. Axtell. 1996. Growing artificial societies. Social science from the bottom up. Washington DC: Brookings Institution Press.

    Google Scholar 

  • Evans, Andrew, Alison Heppenstall, und Mark Birkin. 2013. Understanding simulation results. In Simulating social complexity. A handbook, Hrsg. Bruce Edmonds und Ruth Meyer, 173–195. Heidelberg: Springer.

    Chapter  Google Scholar 

  • Farmer, J. Doyne, Paolo Patelli, und Ilija I. Zovko. 2005. The predictive power of zero intelligence in financial markets. Proceedings of the National Academy of Sciences of the United States of America 102 (6): 2254–2259. doi:10.1073/pnas.0409157102.

    Article  Google Scholar 

  • Flache, Andreas, und Michael W. Macy. 2004. Bottom-up Modelle sozialer Dynamiken: Agentenbasierte Computermodellierung und methodologischer Individualismus. Kölner Zeitschrift für Soziologie und Sozialpsychologie Sonderheft 44, Hrsg. Andreas Diekmann, 536–559. http://www.gesis.org/sowiport/search/id/iz-solis-90353277.

  • Fortunato, Santo, und Claudio Castellano. 2007. Scaling and universality in proportional elections. Physical Review Letters 99 (13): 138701. doi:10.1103/PhysRevLett.99.138701.

    Article  Google Scholar 

  • Fossett, Mark. 2006. Ethnic preferences, social distance dynamics, and residential segregation: Theoretical explorations using simulation analysis. Journal of Mathematical Sociology 30 (3/4): 185–273.

    Article  Google Scholar 

  • Fowler, James H. 2005. Turnout in a small world. In The social logic of politics. Personal networks as contexts for political behavior, Hrsg. Alan Zuckerman, 269–287. Philadelphia: Temple University Press.

    Google Scholar 

  • Fowler, James H., und Oleg Smirnov. 2005. Dynamic parties and social turnout. An agent-based model. American Journal of Sociology 110 (4): 1070–1094.

    Article  Google Scholar 

  • Frigg, Roman, und Julian Reiss. 2009. The philosophy of simulation: Hot new issues or same old stew? Synthese 169 (3): 593–613. http://dx.doi.org/10.1007/s11229-008-9438-z.

  • Frigg, Roman, und Stephan Hartmann. 2012. Models in science. In The Stanford encyclopedia of philosophy (fall 2012 edition), Hrsg. Edward N. Zalta. Stanford: The Metaphysics Research Lab, Center for the Study of Language and Information, Stanford University. http://plato.stanford.edu/archives/fall2012/entries/models-science/.

  • Galam, Serge. 2002. Minority opinion spreading in random geometry. The European Physical Journal B – Condensed matter and complex systems 25 (4): 403–406. http://dx.doi.org/10.1140/epjb/e20020045.

  • Garson, G. David. 2009. Computerized simulation in the social sciences. A survey and evaluation. Simulation and Gaming 40 (2): 267–279. http://sag.sagepub.com/content/40/2/267.

  • Gilbert, Nigel. 2007. Computational social science Agent-based social simulation. In Agent-based modelling and simulation in the social and human sciences, Hrsg. Denis Phan und Frédéric Amblard, 115–133. Oxford: Bardwell Press.

    Google Scholar 

  • Gilbert, Nigel. 2008. Agent-based models. Los Angeles: Sage.

    Book  Google Scholar 

  • Gilbert, Nigel, und Klaus Troitzsch. 2005. Simulation for the social scientist. Maidenhead: Open University Press.

    Google Scholar 

  • Goering, John. 2006. Shelling Redux: How sociology fails to make progress in building and empirically testing complex causal models regarding race and residence. Journal of Mathematical Sociology 30 (3/4): 299–317.

    Article  Google Scholar 

  • Goldbeck, Jennifer. 2002. Evolving strategies for the prisoner’s dilemma. In Proceedings of the 3rd WSEAS International Conference on Evolutionary Computing (EC'02), Hrsg. Ales Grmela und Nikos Mastorakis, 4861–4868. Interlaken.

    Google Scholar 

  • Goll, Joachim, und Cornelia Heinisch. 2016. Java als erste Programmiersprache: Grundkurs für Hochschulen. Wiesbaden: Springer.

    Book  Google Scholar 

  • Grimm, Volker, Uta Berger, Finn Bastiansen, Sigrunn Eliassen, Vincent Ginot, Jarl Giske, John Goss-Custard, et al. 2006. A standard protocol for describing individual-based and agent-based models. Ecological Modelling 198 (1–2): 115–126. doi:10.1016/j.ecolmodel.2006.04.023.

    Article  Google Scholar 

  • Grimm, Volker, Uta Berger, Donald L. DeAngelis, Gary Polhill, Jarl Giske, und Steven F. Railsback. 2010. The ODD protocol: A review and first update. Ecological Modelling 221 (23): 2760–2768. doi:10.1016/j.ecolmodel.2010.08.019.

    Article  Google Scholar 

  • Grimm, Volker, Gary Polhill, und Julia Touza. 2013. Documenting social simulation models: The ODD Protocol as a Standard. In Simulating social complexity. A handbook, Hrsg. Bruce Edmonds und Ruth Meyer, 117–133. Springer. http://www.pensamientocomplejo.com.ar%2Fdocs%2Ffiles%2FEdmonds-Mayer%2520-%2520Simulating%2520Social%2520Complexity.pdf.

  • Groff, Elizabeth R. 2007. Simulation for theory testing and experimentation: An example using routine activity theory and street robbery. Journal of Quantitative Criminology 23 (2): 75–103. doi:10.1007/s10940-006-9021-z.

    Article  Google Scholar 

  • Grüne-Yanoff, Till. 2009. The explanatory potential of artificial societies. Synthese 169 (3): 539–555. http://dx.doi.org/10.1007/s11229-008-9429-0.

  • Hatna, Erez, und Itzhak Benenson. 2012. The Schelling model of ethnic residential dynamics: Beyond the integrated – Segregated dichotomy of patterns. Journal of Artificial Societies and Social Simulation 15 (1): 6. http://jasss.soc.surrey.ac.uk/15/1/6.html.

  • Hawick, K. A., und C. J. Scogings. 2009. Roles of space and geometry in the spatial prisoners’ dilemma. In Proceedings of the IASTED international conference on modelling, simulation and identification (MSI’09), 659-10-1–6. Beijing.

    Google Scholar 

  • Heath, Brian, und Raymond Hill. 2014. Some insights into the emergence of agent-based modeling. In Agent-based modeling and simulation, Hrsg. Simon J. E. Taylor, 32–44. Basingstoke: Palgrave Macmillan. http://link.springer.com/book/10.1057/9781137453648.

  • Hegselmann, Rainer, und Ulrich Krause. 2002. Opinion dynamics and bounded confidence. Models, analysis and simulation. Journal of Artificial Societies and Social Simulation 5 (3): 2. http://jasss.soc.surrey.ac.uk/5/3/2.html.

  • Helbing, Dirk. 2012. Social self-organization: Agent-based simulations and experiments to study emergent social behavior. Berlin: Springer.

    Book  Google Scholar 

  • Helbing, Dirk, und Péter Molnár. 1995. Social force model for pedestrian dynamics. Physical Review E 51 (5): 4282–4286. doi:10.1103/PhysRevE.51.4282.

    Article  Google Scholar 

  • Helbing, Dirk, Joachim Keltsch, und Peter Molnar. 1997. Modelling the evolution of human trail systems. Nature 388 (6637): 47–50.

    Article  Google Scholar 

  • Helbing, Dirk, Illes Farkas, und Tamas Vicsek. 2000. Simulating dynamical features of escape panic. Nature 407:487–490. doi:10.1038/35035023.

    Article  Google Scholar 

  • Helbing, Dirk, A. Hennecke, Vladimir Shvetsov, und Martin Treiber. 2002. Micro- and macro-simulation of freeway traffic. Mathematical and Computer Modelling 35 (5–6): 517–547. doi:10.1016/S0895-7177(02)80019-X.

    Article  Google Scholar 

  • Helbing, Dirk, Lubos Buzna, Anders Johansson, und Torsten Werner. 2005. Self-organized pedestrian crowd dynamics: Experiments, simulations, and design solutions. Transportation Science 39 (1): 1–24.

    Article  Google Scholar 

  • Horiuchi, Shiro. 2015. Emergence and collapse of the norm of resource sharing around locally abundant resources. Journal of Artificial Societies and Social Simulation 18 (4): 7. doi:10.18564/jasss.2904.

    Article  Google Scholar 

  • Huckfeldt, R. Robert, P. E. Johnson, und John D. Sprague. 2004. Political disagreement: The survival of diverse opinions within communication networks. Cambridge studies in political psychology and public opinion. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Jager, Wander, und Frédéric Amblard. 2005. Uniformity, bipolarization and pluriformity captured as generic stylized behavior with an agent-based simulation model of attitude change. Computational & Mathematical Organization Theory 10:295–303. http://dx.doi.org/10.1007/s10588-005-6282-2.

  • Janssen, Marco A. 2009. Understanding artificial Anasazi. Journal of Artificial Societies and Social Simulation 12 (4): 13. http://jasss.soc.surrey.ac.uk/12/4/13.html.

  • Janssen, Marco A, und Elinor Ostrom. 2006. Empirically based, agent-based models. Ecology and Society 11 (2): 37. http://www.ecologyandsociety.org/articles/1861.html, http://www.ecologyandsociety.org/vol11/iss2/art37/, http://www.ecologyandsociety.org/vol11/iss2/art37/ES-2006-1861.pdf.

  • Kaye-Blake, Bill, Chris Schilling, und Elizabeth Post. 2014. Validation of an agricultural MAS for Southland, New Zealand. Journal of Artificial Societies and Social Simulation 17 (4): 5. doi:10.18564/jasss.2564.

    Article  Google Scholar 

  • Klügl, Franziska, und Ana L. C. Bazzan. 2004. Route decision behaviour in a commuting scenario: Simple heuristics adaptation and effect of traffic forecast. Journal of Artificial Societies and Social Simulation 7 (1). http://jasss.soc.surrey.ac.uk/7/1/1.html.

  • Kollman, Ken, und Scott E. Page. 2006. Computational methods and models of politics. In Handbook of computational economics 2, Bd. 2, Hrsg. Leigh Tesfatsion und Kenneth I. Judd, 1433–1463. Amsterdam: Elsevier.

    Google Scholar 

  • Kollman, Ken, John H. Miller, und Scott E. Page. 1998. Political parties and electoral landscapes. British Journal of Political Science 28 (1): 139–158. http://www.jstor.org/stable/194160.

  • Kollman, Ken, John H. Miller, und Scott E. Page. 2003. Computational models in political economy. Cambridge: MIT Press.

    Google Scholar 

  • Kumar, Sujai, und Sugata Mitra. 2006. Self-organizing traffic at a malfunctioning intersection. Journal of Artificial Societies and Social Simulation 9 (4): 3. http://jasss.soc.surrey.ac.uk/9/4/3.html.

  • Kurahashi-Nakamura, Takasumi, Michael Mäs, und Jan Lorenz. 2016. Robust clustering in generalized bounded confidence models. Journal of Artificial Societies and Social Simulation 19 (4): 7. doi:10.18564/jasss.3220.

    Article  Google Scholar 

  • Laclavík, Michal, Štefan Dlugolinský, Martin Šeleng, Marcel Kvassay, Bernhard Schneider, Holger Bracker, Michał Wrzeszcz, Jacek Kitowski, und Ladislav Hluchý. 2012. Agent-based simulation platform evaluation in the context of human behavior modeling. In Advanced Agent Technology: AAMAS 2011 Workshops, AMPLE, AOSE, ARMS, DOCM3AS, ITMAS, Taipei, Taiwan, May 2–6, 2011 Revised Selected Papers, Hrsg. Francien Dechesne, Hiromitsu Hattori, Adriaan ter Mors, Jose Miguel Such, Danny Weyns, und Frank Dignum, 396–410. Springer.

    Google Scholar 

  • Laver, Michael, und Ernest Sergenti. 2011. Party competition: An agent-based model. Princeton: Princeton University Press.

    Google Scholar 

  • LeBaron, Blake, W. Brian Arthur, und Richard Palmer. 1999. Time series properties of an artificial stock market. Journal of economic dynamics and control 23 (9–10): 1487–1516.

    Article  Google Scholar 

  • Leik, Robert K., und Barbara F. Meeker. 1995. Computer simulation for exploring theories: Models of interpersonal cooperation and competition. Sociological Perspectives 38 (4): 463–482. http://www.jstor.org/stable/1389268.

  • Leitner, Stephan, und Friederike Wall, Hrsg. 2014. Artificial economics and self organization: Agent-based approaches to economics and social systems ; [Papers presented in the 9th edition of the artificial economics, Held in Klagenfurt Am Wörthersee (Austria)]. Lecture notes in economics and mathematical systems 669. Cham: Springer.

    Google Scholar 

  • Little, Daniel. 2012. Analytical sociology and the rest of sociology. Sociologica 1:1–47. www.gemass.org/manzo/sites/default/files/2_little.pdf.

  • Lorenz, Jan. 2007. Continuous opinion dynamics under bounded confidence. A survey. International Journal of Modern Physics C: Computational Physics and Physical Computation 18 (12): 1819–1838. http://www.redi-bw.de/db/ebsco.php/search.ebscohost.com/login.aspx?direct=true&db=aph&AN=29999101&site=ehost-live.

  • Macal, Charles M., und M. J. North. 2010. Tutorial on agent-based modelling and simulation. Journal of Simulation 4 (3): 151–162. doi:10.1057/jos.2010.3.

    Article  Google Scholar 

  • Macal, Charles M., Michael J. North, und Douglas A. Samuelson. 2013. Agent-based simulation. In Encyclopedia of operations research and management science, Hrsg. Saul I. Gass und Michael C. Fu, 8–16. Boston: Springer. http://dx.doi.org/10.1007/978-1-4419-1153-7_1229.

  • Macy, Michael, und Robert Willer. 2002. From factors to actors. Computational sociology and agent-based modeling. Annual review of sociology 28:143–166. http://www.jstor.org/stable/3069238.

  • Malleson, Nick, Linda See, Andy Evans, und Alison Heppenstall. 2012. Implementing comprehensive offender behaviour in a realistic agent-based model of burglary. Simulation 88 (1): 50–71. doi:10.1177/0037549710384124.

    Article  Google Scholar 

  • Manzo, Gianluca. 2010. Analytical sociology and its critics. European Journal of Sociology/Archives Européennes de Sociologie/Europäisches Archiv für Soziologie 51 (1): 129–170. http://www.jstor.org/stable/23998859.

  • Marchi, Scott de, und Scott E. Page. 2014. Agent-based models. Annual Review of Political Science 17 (1): 1–20. doi:10.1146/annurev-polisci-080812-191558.

    Article  Google Scholar 

  • Martin, Christian, und Michael Neugart. 2008. Shocks and endogenous institutions. An agent-based model of labor market performance in turbulent times. Computational Economics 33 (1): 31–46.

    Article  Google Scholar 

  • Martis, Morvin Savio. 2006. Validation of simulation based models: A theoretical outlook. Electronic Journal of Business Research Methods 4 (1): 39–46. http://www.ejbrm.com/issue/download.html?idArticle=163.

  • Meadows, Donella H., Dennis L. Meadows, Jorgen Randers, und William W. III Behrens. 1972. The limits to growth: A report for the Club of Rome’s project on the predicament of mankind. New York: Universe Books.

    Google Scholar 

  • Meyers, Robert A. Hrsg. 2009. Encyclopedia of complexity and systems science (Springer reference). New York: Springer.

    Google Scholar 

  • Michel, Fabien, Jacques Ferber, und Alexis Drogoul. 2009. Multi-agent systems and simulation: A survey from the agent community’s perspective. In Multi-agent systems. Simulation and applications, Hrsg. Adelinde Uhrmacher und Danny Weyns, 3–51. Boca Raton: CRC Press.

    Google Scholar 

  • Miguel, Maxi San, Victor M. Eguiluz, Raul Toral, und Konstantin Klemm. 2005. Binary and multivariate stochastic models of consensus formation. Computing in Science and Engineering 7 (6): 67–73. http://link.aip.org/link/?CSX/7/67/1.

  • Miller, John H., und Scott E. Page. 2004. The standing ovation problem. Complexity 9 (5): 8–16. doi:10.1002/cplx.20033.

    Article  Google Scholar 

  • Miller, John H., und Scott E. Page. 2007. Complex adaptive systems. An introduction to computational models of social life. Princeton: Princeton University Press.

    Google Scholar 

  • Millington, James, Raúl Romero-Calcerrada, John Wainwright, und George Perry. 2008. An agent-based model of mediterranean agricultural land-use/cover change for examining wildfire risk. Journal of Artificial Societies and Social Simulation 11 (4): 4. http://jasss.soc.surrey.ac.uk/11/4/4.html.

  • Mitchell, Melanie. 2009. Complexity. A guided tour. Oxford: Oxford University Press.

    Google Scholar 

  • Moussaid, M., D. Helbing, und G. Theraulaz. 2011. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences 108 (17): 6884–6888. doi:10.1073/pnas.1016507108.

    Article  Google Scholar 

  • Muis, Jasper. 2010. Simulating political stability and change in the Netherlands (1998–2002): An agent-based model of party competition with media effects empirically tested. Journal of Artificial Societies and Social Simulation 13 (2): 4. http://jasss.soc.surrey.ac.uk/13/2/4.html.

  • Müller, Birgit, Friedrich Bohn, Gunnar Dreßler, Jürgen Groeneveld, Christian Klassert, Romina Martin, Maja Schlüter, Jule Schulze, Hanna Weise, und Nina Schwarz. 2013. Describing human decisions in agent-based models – ODD + D, an extension of the ODD protocol. Environmental Modelling and Software 48:37–48. doi:10.1016/j.envsoft.2013.06.003.

    Article  Google Scholar 

  • Nagel, Kai, und Michael Schreckenberg. 1992. A cellular automaton model for freeway traffic 2. Journal de Physique I France 2 (12): 2221–2229.

    Article  Google Scholar 

  • Nikolai, Cynthia, und Gregory Madey. 2009. Tools of the trade: A survey of various agent based modeling platforms. Journal of Artificial Societies and Social Simulation 12 (2): 2. http://jasss.soc.surrey.ac.uk/12/2/2.html.

  • Nikolic, I., K. H. van Dam, und J. Kasmire. 2013. Practice. In Agent-based modelling of socio-technical systems, Hrsg. Koen H. van Dam, Igor Nikolic, und Zofia Lukszo, 11–72. Dodrecht: Springer.

    Chapter  Google Scholar 

  • Nowak, Andrzej, Jacek Szamrej, und Bibb Latané. 1990. From private attitude to public opinion: A dynamic theory of social impact. Psychological Review 97 (3): 362–376. http://www.redi-bw.de/db/ebsco.php/search.ebscohost.com/login.aspx?direct=true&db=pdh&AN=rev-97-3-362&site=ehost-live.

  • Nowak, Martin, und Karl Sigmund. 1993. A strategy of win-stay, lose-shift that outperforms tit-for-tat in the Prisoner’s Dilemma game. Nature 364 (6432): 56–58.

    Article  Google Scholar 

  • Ostrom, Thomas. 1988. Computer simulation. The third symbol system. Journal of experimental social psychology 24 (5): 381–392. http://www.sciencedirect.com/science/article/pii/0022103188900273#.

  • Parker, Dawn C., Thomas Berger, und Steven M. Manson. 2002. Agent-based models of land-use and land-cover change. In Report and review of an international workshop October 4–7, 2001, Irvine, California, USA, Hrsg. William J. McConnell. LUCC Report Series 6.

    Google Scholar 

  • Pluchino, Alessandro, Cesare Garofalo, Giuseppe Inturri, Andrea Rapisarda, und Matteo Ignaccolo. 2014. Agent-based simulation of pedestrian behaviour in closed spaces: A museum case study. Journal of Artificial Societies and Social Simulation 17 (1): 16. doi:10.18564/jasss.2336.

    Article  Google Scholar 

  • Polhill, Gary, N. M. Gotts, und A. N. R. Law. 2001. Imitative versus nonimitative strategies in a land-use simulation. Cybernetics and Systems 32 (1–2): 285–307. doi:10.1080/019697201300001885.

    Google Scholar 

  • Radax, Wolfgang, und Bernhard Rengs. 2010. Timing matters: Lessons from the CA literature on updating. In Proceedings of the 3rd World Congress on Social Simulation WCSS2010, Hrsg. Andreas Ernst und Silke Kuhn. Kassel: Center for Environmental Systems Research.

    Google Scholar 

  • Railsback, Steven F., und Volker Grimm. 2012. Agent-based and individual based modeling. Princeton: Princeton University Press.

    Google Scholar 

  • Railsback, Steven F., Steven L. Lytinen, und Stephen K. Jackson. 2006. Agent-based simulation platforms: Review and development recommendations. SIMULATION 82 (9): 609–623. doi:10.1177/0037549706073695.

    Article  Google Scholar 

  • Rijt, Arnout van de, David Siegel, und Michael Macy. 2009. Neighborhood chance and neighborhood change: A comment on Bruch and Mare. American Journal of Sociology 114 (4): 1166–1180.

    Article  Google Scholar 

  • Russell, Stuart J., und Peter Norvig. 2003. Artificial intelligence. A modern approach. Pearson: Upper Saddle River.

    Google Scholar 

  • Salamon, Tomas. 2011. Design of agent-based models. Repin: Tomas Bruckner.

    Google Scholar 

  • Salzarulo, Laurent. 2006. A continuous opinion dynamics model based on the principle of meta-contrast. Journal of Artificial Societies and Social Simulation 9 (1): 13.

    Google Scholar 

  • Sargent, Robert G. 2004. Validation and verification of simulation models. In Proceedings of the 2004 winter simulation conference, Hrsg. R. G. Ingalls, M. D. Rossetti, J. S. Smith, und B. A. Peters, 17–28. New York: ACM.

    Google Scholar 

  • Schadschneider, Andreas, Wolfram Klingsch, Hubert Klüpfel, Tobias Kretz, Christian Rogsch, und Armin Seyfried. 2009. Evacuation dynamics: Empirical results, modeling and applications. In Encyclopedia of complexity and systems science, Hrsg. Robert A. Meyers, 3142–3176. New York: Springer.

    Chapter  Google Scholar 

  • Schelling, Thomas C. 1971. Dynamic models of segregation. Journal of Mathematical Sociology 1 (2): 143–186. http://search.ebscohost.com/login.aspx?direct=true&db=sih&AN=13985129&site=ehost-live.

  • Schelling, Thomas C. 1978. Micromotives and macrobehaviour. New York: Norton.

    Google Scholar 

  • Schiff, Joel L. 2008. Cellular automata. A discrete view of the world. Hoboken: Wiley. http://eu.wiley.com/WileyCDA/WileyTitle/productCd-047016879X.html.

  • Schindler, Julia. 2012. Rethinking the tragedy of the commons: The integration of socio-psychological dispositions. Journal of Artificial Societies and Social Simulation 15 (1): 4. doi:10.18564/jasss.1822.

    Article  Google Scholar 

  • Squazzoni, Flaminio. 2008. The micro-macro link in social simulation. Sociologica 2 (1): 1–25. http://www.sociologica.mulino.it/journal/article/index/Article/Journal:ARTICLE:179.

  • Squazzoni, Flaminio. 2010. The impact of agent-based models in the social sciences after 15 years of incursion. History of economic ideas 18 (2): 197–233. doi:10.1400/148280.

    Google Scholar 

  • Squazzoni, Flaminio. 2012. Agent-based computational sociology. Chichester: Wiley.

    Book  Google Scholar 

  • Stauffer, Dietrich. 2009. Opinion dynamics and sociophysics. In Encyclopedia of complexity and systems science, Hrsg. Robert A. Meyers, 6380–6388. New York: Springer.

    Chapter  Google Scholar 

  • Stauffer, Dietrich, und Amnon Aharony. 1992. Introduction to percolation theory. London: Taylor and Francis.

    Google Scholar 

  • Stoica, Victor Ionut, und Andreas Flache. 2014. From Schelling to schools: A comparison of a model of residential segregation with a model of school segregation. Journal of Artificial Societies and Social Simulation 17 (1): 5. http://jasss.soc.surrey.ac.uk/17/1/5.html.

  • Sznajd-Weron, Katarzyna, und Józef Sznajd. 2000. Opinion evolution in closed community. International Journal of Modern Physics C: Computational Physics & Physical Computation 11 (6): 1157–1165. http://www.redi-bw.de/db/ebsco.php/search.ebscohost.com/login.aspx?direct=true&db=aph&AN=6623635&site=ehost-live.

  • Tesfatsion, Leigh. 2006. Agent-based computational economics: A constructive approach to economic theory. In Handbook of computational economics 2, Hrsg. Leigh Tesfatsion und Kenneth I. Judd, 831–880. Amsterdam: Elsevier.

    Google Scholar 

  • Tesfatsion, Leigh, und Kenneth I. Judd. 2006. Handbook of computational economics. Agent-based computational economics. Volume 2, Bd. 13. Amsterdam: Elsevier.

    Google Scholar 

  • Thorngate, Warren. 2015. Heads and hearts: Three methods for explicating judgment and decision processes. Journal of Artificial Societies and Social Simulation 18 (1): 14. doi:10.18564/jasss.2639.

    Article  Google Scholar 

  • Troitzsch, Klaus. 1997. Social science simulation – Origins, prospects, purposes. In Simulating social phenomena, Hrsg. Rosaria Conte, Rainer Hegselmann, und Pietro Terna, 41–54. Berlin: Springer.

    Chapter  Google Scholar 

  • Troitzsch, Klaus. 2006. Dynamische Systemmodelle. In Methoden der Sozialforschung, Hrsg. Andreas Diekmann, 505–535. Wiesbaden: VS Verlag.

    Google Scholar 

  • Waldherr, Annie, und Nanda Wijermans. 2013. Communicating social simulation models to sceptical minds. Journal of Artificial Societies and Social Simulation 16 (4): 13. http://jasss.soc.surrey.ac.uk/16/4/13.html.

  • Weidmann, Nils B., und Idean Salehyan. 2013. Violence and ethnic segregation: A computational model applied to Baghdad. International Studies Quarterly 57 (1): 52–64. doi:10.1111/isqu.12059.

    Article  Google Scholar 

  • Weisbuch, Gérard, Guillaume Deffuant, Frédéric Amblard, und Jean-Pierre Nadal. 2002. Meet, discuss, and segregate! Complexity 7 (3): 55–63. doi:10.1002/cplx.10031.

    Article  Google Scholar 

  • Weyuker, Elaine J. 1982. On testing non-testable programs. The Computer Journal 25 (4): 465–470. doi:10.1093/comjnl/25.4.465.

    Article  Google Scholar 

  • Wilensky, Uri, und William Rand. 2015. An introduction to agent-based modeling. Modeling natural, social, and engineered complex systems with NetLogo. Cambridge: MIT Press.

    Google Scholar 

  • Winsberg, Eric. 2009. Computer simulation and the philosophy of science. Philosophy Compass 4 (5): 835–845. doi:10.1111/j.1747-9991.2009.00236.x.

    Article  Google Scholar 

  • Winther, Rasmus Grønfeldt. 2015. The structure of scientific theories. In The Stanford Encyclopedia of Philosophy (Spring 2015 Edition), Hrsg. Edward N. Zalta. Stanford: The Metaphysics Research Lab, Center for the Study of Language and Information, Stanford University. http://plato.stanford.edu/archives/spr2015/entries/structure-scientific-theories/.

  • Wooldridge, Michael. 2009. An introduction to multiagent systems. New York: Wiley.

    Google Scholar 

  • Wooldridge, Michael, und Nicholas R. Jennings. 1995. Intelligent agents. Theory and practice. Knowledge engineering review 10 (2): 115–152.

    Article  Google Scholar 

  • Wu, Jianzhong, und Robert Axelrod. 1995. How to cope with noise in the iterated prisoner’s dilemma. The Journal of Conflict Resolution 39 (1): 183–189.

    Article  Google Scholar 

  • Xia, Haoxiang, Huili Wang, und Zhaoguo Xuan. 2011. Opinion dynamics: A multidisciplinary review and perspective on future research. International journal of knowledge and systems science 2 (4): 72–91. http://www.igi-global.com/article/opinion-dynamics-multidisciplinary-review-perspective/61135.

  • Younger, Stephen. 2003. Discrete agent simulations of the effect of simple social structures on the benefits of resource sharing. Journal of Artificial Societies and Social Simulation 6 (3). http://jasss.soc.surrey.ac.uk/6/3/1.html.

  • Younger, Stephen. 2011. Leadership, violence, and warfare in small societies. Journal of Artificial Societies and Social Simulation 14 (3): 8. doi:10.18564/jasss.1784.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Albert-Ludwigs-Universität, Freiburg, Deutschland

    Thomas Metz

Authors
  1. Thomas Metz
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Thomas Metz .

Editor information

Editors and Affiliations

  1. Universität Freiburg, Freiburg, Germany

    Sebastian Jäckle

Rights and permissions

Reprints and permissions

Copyright information

© 2017 Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Metz, T. (2017). Agent-Based Modeling (ABM). In: Jäckle, S. (eds) Neue Trends in den Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-17189-6_2

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-17189-6_2

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-17188-9

  • Online ISBN: 978-3-658-17189-6

  • eBook Packages: Social Science and Law (German Language)

Publish with us

Policies and ethics

Search

Navigation