> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # 基於主體的模型 > 基於主體的模型用一群按局部規則行動的異質主體，生成無法從平均值直接讀出的系統格局。了解其起源、機制、應用與邊界。 **類別**: 模型
**類型**: 系統 / 計算模擬模型
**來源**: Thomas C. Schelling（1971）；Joshua M. Epstein 與 Robert Axtell（1996）
**別名**: 多智能體模擬；基於個體的模型；基於代理人的計算模型 **快速回答** — **基於主體的模型**（Agent-Based Model）是一種計算實驗：許多自主、常常彼此不同的主體按局部規則行動，並與環境和彼此互動，從而長出系統級格局。Thomas Schelling **1971** 年的隔離模型用棋盤上的硬幣演示了這一邏輯；Joshua Epstein 與 Robert Axtell **1996** 年的 Sugarscape 則把它做成「長出」社會的實驗室。實踐啟示是：先問宏觀格局能否由誠實的微觀規則長出來——再推斷眾人的動機，或把所有人收成一個代表性主體。 ## 什麼是基於主體的模型？基於主體的模型是一場計算實驗：你規定主體、他們所處的空間，以及他們遵循的規則，然後觀察可辨認的大尺度格局是否自下而上出現。 > 也許有一天，人們會把「你能解釋它嗎？」理解成在問：「你能把它長出來嗎？」想像中午的食堂。沒有人被指定座位。每個人只想旁邊有幾個熟人。換幾次位子後，屋子自行分成幾團，誰也沒下過這道命令。日常提示是：座位圖並不能忠實刻畫誰有多想排斥別人。[系統思維](/zh-hant/thinking/systems-thinking)看的是整體；基於主體的模型則是那個沙盤，讓整體從被允許彼此不同的部分裡長出來。它補的是[存量與流量](/zh-hant/models/stock-and-flow)圖：後者追蹤總量，不追蹤讓總量移動的那些不一樣的人。 ### 基於主體的模型的三層理解 * **入門**：人群、市場或街區讓你意外時，先問每個人當時能看見什麼、能做什麼——不要只問「平均的人」想要什麼。 * **實務**：點名主體、狀態、環境，以及一兩條互動規則。跑一遍，再改一條規則，看哪種宏觀格局還在。 * **進階**：長出一種格局只說明*充分性*，不是唯一原因。校準、隨機重複運行，以及老實寫下主體看不見什麼，才能讓沙盤不變成動畫片。 ## 起源基於主體的模型有好幾位祖先，沒有單一發明者。**1950** 年代，John von Neumann 與 Stanislaw Ulam 研究元胞自動機：格子上的細胞按鄰居更新。這條譜系後來包括 Conway 的生命遊戲，以及 **1980** 年代的[混沌邊緣](/zh-hant/models/edge-of-chaos)研究。**1987** 年，Craig Reynolds 在 SIGGRAPH 的論文 “Flocks, Herds, and Schools: A Distributed Behavioral Model” 表明，分離、對齊、凝聚三條局部轉向規則，不必有領袖也能長出鳥群。社會科學裡的里程碑更早、也更儉樸。當時在哈佛、並為 RAND 寫作的 **Thomas C. Schelling**，於 **1969 年 5 月** 發表備忘錄 *Models of Segregation*（RM-6014），又在 *Journal of Mathematical Sociology*（**1971**，Vol. 1, No. 2, pp. 143–186）刊出 “Dynamic Models of Segregation”。他把硬幣和分幣放在棋盤上：兩類可識別的群體、一些空格，以及「不想成為局部少數」的溫和願望。極端聚集隨之出現。他後來在 *Micromotives and Macrobehavior*（**1978**）裡重述這一論點。**2005** 年諾貝爾經濟學獎（與 Robert Aumann 共享）表彰的是他對衝突與合作的研究；隔離模型仍是「微觀動機 vs. 宏觀行為」的教學案例。 **1996** 年，在布魯金斯學會工作、並與聖塔菲研究所有聯繫的 **Joshua M. Epstein** 與 **Robert Axtell** 出版 *Growing Artificial Societies: Social Science from the Bottom Up*（MIT Press）。他們的 Sugarscape 把主體放在雙峰資源格子上。一條局部覓食規則——視力所及之處找糖最多的格子、走過去、吃、代謝——就足以長出遷徙、交易和偏斜的財富分布。Epstein **1999** 年在 *Complexity*（Vol. 4, No. 5, pp. 41–60）的文章 “Agent-Based Computational Models and Generative Social Science” 給方法命名：解釋等於生成充分性。兩篇後來的論文讓這門手藝更好教。**Eric Bonabeau** **2002** 年在 *Proceedings of the National Academy of Sciences*（Vol. 99, Suppl. 3, pp. 7280–7287）的綜述，說明何時該手法優於「代表性主體」方程式。**Volker Grimm** 與 27 位合作者在 *Ecological Modelling*（**2006**, Vol. 198, pp. 115–126）提出 **ODD** 協議——Overview、Design concepts、Details——讓基於個體和基於主體的模型可以被閱讀和復現，而不再是黑箱。 ## 核心要點當人（或企業、細胞、車輛）不可互換，而你關心的格局就活在他們的互動裡時，才用基於主體的模型。主體可以在視力、耐心、財富、位置或記憶上不同。一個「代表性」的人，長不出依賴誰坐在誰旁邊的聚集、排隊或級聯。若你的表格已經把所有人當成均值，你還沒在做這種模型。每個主體看見的是鄰里、一個價格或幾個鄰居——不是整個系統。Schelling 的搬家者只問附近座位是否夠熟。Reynolds 的 boid 只與近旁的鳥對齊。若一條規則需要上帝視角的儀表板，它就不再是局部規則，結論會被偷運進設定。隔離、擁堵、[引爆點](/zh-hant/models/tipping-point)、財富的肥尾——這些宏觀格局只有從已寫明的規則裡出現，才算被長出來。Epstein 的檢驗很嚴：長不出來，就還沒證明那些微觀規定哪怕是充分的。長出來了，也不證明它們是真正原因。 Grimm 的 ODD 清單要問目的、實體與尺度、過程日程、初始化、輸入和子模型。沒有這些，一次彩色運行只是軼事。像做[蒙地卡羅模擬](/zh-hant/models/monte-carlo-simulation)那樣配上重複運行，因為許多主體模型是隨機的。 ## 應用場景當一個局部決定被不相同的行動者反覆執行、可能長出無人選擇的格局時，這個模型才值得用。問每個家庭、學生或團隊能看見什麼，然後讓他們移動或重組。若溫和的「周圍得有足夠像我們的人」已經把地圖切開，就不要跳到極端偏好的故事。同一草圖也能診斷午餐桌和組織結構圖裡的自我分揀。給每位司機或行人一個跟車距離和反應時間。沒有事故、沒有惡人，剎車鏈也能堆出擁堵。先改一條局部規則——併線禮節、門口位置、批次大小——再決定是否重建整條走廊。平均接觸率會藏起樞紐、家庭和職場。異質主體讓少數忙碌節點主導傳播，充分混合的方程式會漏掉這一點。用模型問該切斷哪類接觸，而不是鑄造一個虛假精確的峰值。 Sugarscape 式覓食，或帶有不同使用者的[公地悲劇](/zh-hant/models/tragedy-of-the-commons)，能從簡單的代謝和視力長出不平等或崩潰。在沙盤裡改稅、配額或分享規則，再拿單個「平均農夫」去辯論。 ## 經典案例 **Thomas Schelling** 的棋盤，至今仍最乾淨地證明：微觀動機不必等於宏觀行為。在 **1969** 年 RAND 備忘錄和 **1971** 年期刊論文裡，兩類群體佔據有限格子。約 **25–30%** 的格子空著，所以可以移動。每個家庭看一個局部鄰里——空間版本裡常常是周圍 **5 × 5** 的區塊——若異類鄰居太多就搬走。可測量的意外，是需求與結果之間的缺口。Schelling 報告：過程穩定後，典型鄰里裡*實際實現*的偏好大約落在 **三分之一** 同類鄰居附近；當需求走到 **35–50%** 區間，隔離會陡然上升。本可容忍混合街區的家庭，仍會落入被誇大的團塊。他自己的總結就是發現：個體激勵與集體結果沒有簡單對應，通常也不能從總體格局讀出個人動機。這正是它屬於基於主體的模型、而不只屬於偏見條目的原因。引擎是局部移動加閾值，不是中央下達的分離命令。邊界說明：真實城市還運行著價格、信貸規則、暴力和制度化歧視。從溫和偏好長出隔離，只說明一種*可能*機制。它並不證明該機制就是任何一座真實城市的全部歷史。 ## 邊界與失效場景基於主體的模型說明什麼*可以*發生，而不是什麼*必然*已經發生。許多不同的微觀規則能長出同一條曲線。若停在「我們復現了形狀」，你只有候選，沒有裁決。這是充分性陷阱。它也很容易過度擬合。額外的主體性狀、額外的網路、額外的隨機旋鈕，能擬合去年的資料、在明年失敗。Bonabeau 的實踐警告仍然成立：當異質性、局部互動或適應性規則才是要點時再用主體；否則[存量與流量](/zh-hant/models/stock-and-flow)或方程式模型更清楚、也更便宜。不要把更好看的動畫當成更科學。常見誤用是動機推斷。一張隔離地圖、一條堵死的高速、一條極化的資訊流，被讀成「人們就想要這樣」。Schelling 和 Epstein 的要點正好相反：先檢查局部規則，以及它們閉合的[反饋迴路](/zh-hant/models/feedback-loops)，再去指控那顆平均的心。 ## 常見誤區這種手法看起來像電影，所以很容易把動畫當成解釋，把解釋當成證明。元胞自動機是祖先之一。有用的基於主體的模型會寫明主體是誰、能觀察什麼、如何更新，以及哪種宏觀格局算成功或失敗。沒有這些斷言的漂亮格子是演示，不是模型。長出一種格局，只說明那些規則在電腦裡是充分的。真實系統可能用不同規則做出同一形狀。把運行當成候選機制，再去尋找微觀規則的獨立痕跡。額外性狀會膨脹你必須辯護的東西，以及必須檢查的運行次數。一小套能用 ODD 寫清楚的異質規則，通常比一堆猜出來的心理學學得更多。 ## 相關概念這些頁面靠近同一問題：局部行動與系統結構，如何長出沒有任何單個行動者選擇過的格局。先看見關係與延遲，再去責怪單個行動者。水平與速率的總量圖景；主體模型可以長出它，卻不必從它起步。局部動作如何在系統尺度上閉合增強或平衡迴路。局部不滿何時觸發一連串搬家的閾值語言。隨機主體模型仍需要的重複運行，為的是區間，而不是一部電影。把過程變成狀態、規則和可重跑實驗的習慣。 ## 一句話總結先老實寫下局部規則，試著把格局長出來，然後再決定那群人「一定想要」什麼。