> ## 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.
# 基于主体的模型
> 基于主体的模型用一群按局部规则行动的异质主体，生成无法从平均值直接读出的系统格局。了解其起源、机制、应用与边界。
**类别**: 模型
**类型**: 系统 / 计算仿真模型
**来源**: Thomas C. Schelling（1971）；Joshua M. Epstein 与 Robert Axtell（1996）
**别名**: 多智能体仿真；基于个体的模型；基于代理人的计算模型
**快速回答** — **基于主体的模型**（Agent-Based Model）是一种计算实验：许多自主、常常彼此不同的主体按局部规则行动，并与环境和彼此互动，从而长出系统级格局。Thomas Schelling **1971** 年的隔离模型用棋盘上的硬币演示了这一逻辑；Joshua Epstein 与 Robert Axtell **1996** 年的 Sugarscape 则把它做成“长出”社会的实验室。实践启示是：先问宏观格局能否由诚实的微观规则长出来——再推断众人的动机，或把所有人收成一个代表性主体。
## 什么是基于主体的模型？
基于主体的模型是一场计算实验：你规定主体、他们所处的空间，以及他们遵循的规则，然后观察可辨认的大尺度格局是否自下而上出现。
> 也许有一天，人们会把“你能解释它吗？”理解成在问：“你能把它长出来吗？”
想象中午的食堂。没有人被指定座位。每个人只想旁边有几个熟人。换几次位子后，屋子自行分成几团，谁也没下过这道命令。日常提示是：座位图并不能忠实刻画谁有多想排斥别人。[系统思维](/zh/thinking/systems-thinking)看的是整体；基于主体的模型则是那个沙盘，让整体从被允许彼此不同的部分里长出来。它补的是[存量与流量](/zh/models/stock-and-flow)图：后者跟踪总量，不跟踪让总量移动的那些不一样的人。
### 基于主体的模型的三层理解
* **入门**：人群、市场或街区让你意外时，先问每个人当时能看见什么、能做什么——不要只问“平均的人”想要什么。
* **实践**：点名主体、状态、环境，以及一两条互动规则。跑一遍，再改一条规则，看哪种宏观格局还在。
* **进阶**：长出一种格局只说明*充分性*，不是唯一原因。校准、随机重复运行，以及老实写下主体看不见什么，才能让沙盘不变成动画片。
## 起源
基于主体的模型有好几位祖先，没有单一发明者。**1950** 年代，John von Neumann 与 Stanislaw Ulam 研究元胞自动机：格子上的细胞按邻居更新。这条谱系后来包括 Conway 的生命游戏，以及 **1980** 年代的[混沌边缘](/zh/models/edge-of-chaos)研究。**1987** 年，Craig Reynolds 在 SIGGRAPH 的论文 “Flocks, Herds, and Schools: A Distributed Behavioral Model” 表明，分离、对齐、凝聚三条局部转向规则，不必有领袖也能长出鸟群。
社会科学里的里程碑更早、也更俭朴。当时在哈佛、并为 RAND 写作的 **Thomas C. Schelling**，于 **1969 年 5 月** 发表备忘录 *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”。他把硬币和分币放在棋盘上：两类可识别的群体、一些空格，以及“不想成为局部少数”的温和愿望。极端聚集随之出现。他后来在 *Micromotives and Macrobehavior*（**1978**）里重述这一论点。**2005** 年诺贝尔经济学奖（与 Robert Aumann 共享）表彰的是他对冲突与合作的研究；隔离模型仍是“微观动机 vs. 宏观行为”的教学案例。
**1996** 年，在布鲁金斯学会工作、并与圣塔菲研究所有联系的 **Joshua M. Epstein** 与 **Robert Axtell** 出版 *Growing Artificial Societies: Social Science from the Bottom Up*（MIT Press）。他们的 Sugarscape 把主体放在双峰资源格子上。一条局部觅食规则——视力所及之处找糖最多的格子、走过去、吃、代谢——就足以长出迁徙、交易和偏斜的财富分布。Epstein **1999** 年在 *Complexity*（Vol. 4, No. 5, pp. 41–60）的文章 “Agent-Based Computational Models and Generative Social Science” 给方法命名：解释等于生成充分性。
两篇后来的论文让这门手艺更好教。**Eric Bonabeau** **2002** 年在 *Proceedings of the National Academy of Sciences*（Vol. 99, Suppl. 3, pp. 7280–7287）的综述，说明何时该方法优于“代表性主体”方程。**Volker Grimm** 与 27 位合作者在 *Ecological Modelling*（**2006**, Vol. 198, pp. 115–126）提出 **ODD** 协议——Overview、Design concepts、Details——让基于个体和基于主体的模型可以被阅读和复现，而不再是黑箱。
## 核心要点
当人（或企业、细胞、车辆）不可互换，而你关心的格局就活在他们的互动里时，才用基于主体的模型。
主体可以在视力、耐心、财富、位置或记忆上不同。一个“代表性”的人，长不出依赖谁坐在谁旁边的聚集、排队或级联。若你的表格已经把所有人当成均值，你还没在做这种模型。
每个主体看见的是邻里、一个价格或几个邻居——不是整个系统。Schelling 的搬家者只问附近座位是否够熟。Reynolds 的 boid 只与近旁的鸟对齐。若一条规则需要上帝视角的仪表盘，它就不再是局部规则，结论会被偷运进设定。
隔离、拥堵、[引爆点](/zh/models/tipping-point)、财富的肥尾——这些宏观格局只有从已写明的规则里出现，才算被长出来。Epstein 的检验很严：长不出来，就还没证明那些微观规定哪怕是充分的。长出来了，也不证明它们是真正原因。
Grimm 的 ODD 清单要问目的、实体与尺度、过程日程、初始化、输入和子模型。没有这些，一次彩色运行只是轶事。像做[蒙特卡洛模拟](/zh/models/monte-carlo-simulation)那样配上重复运行，因为许多主体模型是随机的。
## 应用场景
当一个局部决定被不相同的行动者反复执行、可能长出无人选择的格局时，这个模型才值得用。
问每个家庭、学生或团队能看见什么，然后让他们移动或重组。若温和的“周围得有足够像我们的人”已经把地图切开，就不要跳到极端偏好的故事。同一草图也能诊断午餐桌和组织结构图里的自我分拣。
给每位司机或行人一个跟车距离和反应时间。没有事故、没有恶人，刹车链也能堆出拥堵。先改一条局部规则——并线礼节、门口位置、批次大小——再决定是否重建整条走廊。
平均接触率会藏起枢纽、家庭和职场。异质主体让少数忙碌节点主导传播，充分混合的方程会漏掉这一点。用模型问该切断哪类接触，而不是铸造一个虚假精确的峰值。
Sugarscape 式觅食，或带有不同使用者的[公地悲剧](/zh/models/tragedy-of-the-commons)，能从简单的代谢和视力长出不平等或崩溃。在沙盘里改税、配额或分享规则，再拿单个“平均农夫”去辩论。
## 经典案例
**Thomas Schelling** 的棋盘，至今仍最干净地证明：微观动机不必等于宏观行为。在 **1969** 年 RAND 备忘录和 **1971** 年期刊论文里，两类群体占据有限格子。约 **25–30%** 的格子空着，所以可以移动。每个家庭看一个局部邻里——空间版本里常常是周围 **5 × 5** 的区块——若异类邻居太多就搬走。
可测量的意外，是需求与结果之间的缺口。Schelling 报告：过程稳定后，典型邻里里*实际实现*的偏好大约落在 **三分之一** 同类邻居附近；当需求走到 **35–50%** 区间，隔离会陡然上升。本可容忍混合街区的家庭，仍会落入被夸大的团块。他自己的总结就是发现：个体激励与集体结果没有简单对应，通常也不能从总体格局读出个人动机。
这正是它属于基于主体的模型、而不只属于偏见条目的原因。引擎是局部移动加阈值，不是中央下达的分离命令。边界说明：真实城市还运行着价格、信贷规则、暴力和制度化歧视。从温和偏好长出隔离，只说明一种*可能*机制。它并不证明该机制就是任何一座真实城市的全部历史。
## 边界与失效场景
基于主体的模型说明什么*可以*发生，而不是什么*必然*已经发生。许多不同的微观规则能长出同一条曲线。若停在“我们复现了形状”，你只有候选，没有裁决。这是充分性陷阱。
它也很容易过拟合。额外的主体性状、额外的网络、额外的随机旋钮，能拟合去年的数据、在明年失败。Bonabeau 的实践警告仍然成立：当异质性、局部互动或适应性规则才是要点时再用主体；否则[存量与流量](/zh/models/stock-and-flow)或方程模型更清楚、也更便宜。不要把更好看的动画当成更科学。
常见误用是动机推断。一张隔离地图、一条堵死的高速、一条极化的信息流，被读成“人们就想要这样”。Schelling 和 Epstein 的要点正好相反：先检查局部规则，以及它们闭合的[反馈回路](/zh/models/feedback-loops)，再去指控那颗平均的心。
## 常见误区
这种方法看起来像电影，所以很容易把动画当成解释，把解释当成证明。
元胞自动机是祖先之一。有用的基于主体的模型会写明主体是谁、能观察什么、如何更新，以及哪种宏观格局算成功或失败。没有这些断言的漂亮格子是演示，不是模型。
长出一种格局，只说明那些规则在计算机里是充分的。真实系统可能用不同规则做出同一形状。把运行当成候选机制，再去寻找微观规则的独立痕迹。
额外性状会爆炸你必须辩护的东西，以及必须检查的运行次数。一小套能用 ODD 写清楚的异质规则，通常比一堆猜出来的心理学生得更多。
## 相关概念
这些页面靠近同一问题：局部行动与系统结构，如何长出没有任何单个行动者选择过的格局。
先看见关系与延迟，再去责怪单个行动者。
水平与速率的总量图景；主体模型可以长出它，却不必从它起步。
局部动作如何在系统尺度上闭合增强或平衡回路。
局部不满何时触发一连串搬家的阈值语言。
随机主体模型仍需要的重复运行，为的是区间，而不是一部电影。
把过程变成状态、规则和可重跑实验的习惯。
## 一句话总结
先老实写下局部规则，试着把格局长出来，然后再决定那群人“一定想要”什么。