logo iai

Modelación Basada en Agentes

La Modelación Basada en Agentes (MBA) es una técnica que se utiliza para simular cómo las conductas individuales determinan la evolución de un sistema. Consiste en una colección de agentes, un conjunto de reglas de comportamiento y un entorno o ambiente. Un agente constituye la unidad elemental e indivisible de un sistema, por ejemplo, una persona, un grupo de personas, un hogar, o una organización. Los agentes, por definición, tienen un propósito y responde decidiendo o actuando conforme a las reglas que rigen su comportamiento. Éstas diferencian a cada agente, definen las interrelaciones entre los agentes y el ambiente, y establecen la secuencia de acciones con el tiempo. Las reglas se activan bajo condiciones distintas. El comportamiento puede ser reactivo (llamado cambio pasivo) o proactivo (llamado anticipatorio). Al actuar, cada agente va modificando el ambiente hasta que se alcanza el estado de equilibrio y se genera un patrón general de comportamiento que ya no cambia.

El comportamiento dinámico que implica toda MBA se genera al momento en que los agentes hacen un barrido del ambiente y evalúan su situación. De esta forma, la MBA involucra tres cuestiones esenciales. La primera es la cognición, que se refiere a cómo los agentes perciben y aprenden acerca de los cambios en su entorno. La cognición considera explícitamente cómo el cambio o adaptación del comportamiento de un agente modifica la respuesta general de un sistema en su conjunto. Ello conduce a la segunda cuestión que es la emergencia de patrones geográficos que resultan del comportamiento homogéneo de los agentes en el tiempo y el espacio. Así, dichos patrones presentan un orden que se repite en las diferentes escalas, aunque puedan parecer como irregulares a primera vista. La tercera cuestión destaca la importancia de concebir dichos patrones como resultado de interacciones de redes de agentes y su entorno. Las interrelaciones entre agentes pueden ser de cooperación o de conflicto. Además, los agentes pueden aprender, adaptarse y mejorar sus decisiones con el tiempo. En el contexto transdisciplinario, consecuentemente, la MBA se utiliza para dilucidar qué estructuras sociales emergen a partir de acciones de agentes individuales y, a su vez, cómo estas estructuras afectan las creencias, valores e intereses de cada agente. Al combinarse con los sistemas de información geográfica, la capacidad de la MBA se amplía hacia la representación del comportamiento de los agentes en el tiempo y el espacio. De esta manera, es posible entender por qué y cómo evolucionan patrones geográficos como la ocupación territorial, por ejemplo.

Modelacion basada en agentes
Figura 1. Representación esquemática de la MBA integrada al SIG-MMC

Cómo se usó

En MEGADAPT, la MBA se emplea para analizar aquellos procesos socio-ecológicos que inciden en la emergencia de riesgos socio-hidrológicos de la Zona Metropolitana de la Ciudad de México. En concreto, la MBA se utiliza para generar experimentos virtuales (que consisten en aplicar tratamientos a partes aisladas de un sistema y observar qué ocurre). De esta manera, se busca aislar y analizar los fenómenos sociales que determinan la vulnerabilidad a las inundaciones, la escasez de agua y las afectaciones a la salud. En suma, los experimentos virtuales esclarecen el papel de agente en el desencadenamiento de los riesgos socio-hidrológicos específicos para cada grupo de la población urbana.

Un aspecto innovador de MEGADAPT es la integración de la MBA y la SIG-MMC (sistema de información geográfica y modelación multicriterio) para simular el acoplamiento doble en el sistema socio-ecológico de la Zona Metropolitana de la Ciudad de México. Como se ilustra en la figura 1, el modelo mental de una autoridad hipotética se organiza en un modelo multicriterio (arriba a la derecha) que integra las reglas de comportamiento. Estas se conectan a las capas digitales del SIG (arriba a la izquierda). El primer acoplamiento consiste en el uso de la MBA para sintetizar estos elementos y genera un primer patrón espacial de vulnerabilidad. El segundo acoplamiento ocurre cuando este patrón cambia el modelo multicriterio y, por ende, se modifican las reglas de comportamiento. Con estas nuevas reglas, la MBA genera un segundo patrón espacial de vulnerabilidad y así sucesivamente. En la figura, se ilustran tres salidas de la simulación (abajo) que consisten en capas digital de la Ciudad de México que representan la vulnerabilidad a riesgos socio-hidrológicos (gris = baja, amarillo = moderada; naranja = alta) y los pesos de los criterios respectivos (figura de barras): (1) en respuesta de la presión social, las autoridades ejecutan programas de mantenimiento de infraestructura hidráulica para mantener la presión hidráulica y disminuir la escasez de agua; (2) cuando se logran los objetivos del mantenimiento, las acciones se dirigen a satisfacer la demanda de agua mediante el incremento de la extracción, como respuesta a la presión social; (3) con el tiempo, esta acción incrementa la subsidencia que exacerba las inundaciones y las fallas de infraestructura.

Literatura relevante

  • Cardoso, C., F., Bert, & G., Podestá. (2014). Modelos basados en agentes (MBA): definición, alcances y limitaciones http://www.iai.int/wp-content/uploads/2014/03/Cardoso_et_al_Manual_ABM.pdf.
  • García-Valdecasas, J. I. (2011). La simulación basada en agentes: una nueva forma de explorar fenómenos sociales. Reis 136:91-100 doi:10.5477/cis/reis.136.91.
  • Heppenstall, A. J. J., Crooks, A. T. T., See, L. M. M., Batty, M. (Eds.). (2012). Agent based models of geographic systems. Springer Netherlands.
  • Railsback, S. F., & V., Grimm. (2012). Agent-based and individual-based modeling, a practical introduction. Princeton University Press, New Jersey.