Descrição

Técnica de modelagem computacional que simula as ações e interações de múltiplos agentes autônomos (indivíduos, veículos, animais, organizações) dentro de um ambiente espacial e temporal definido. O objetivo é entender como comportamentos em nível micro (as regras e decisões dos agentes individuais) levam à emergência de padrões e fenômenos em nível macro (ex: congestionamentos, segregação urbana, dispersão de doenças).

Funções Principais / Componentes

• Agentes: Entidades autônomas que possuem atributos (estado interno), regras de comportamento (tomada de decisão) e capacidade de interagir entre si e com o ambiente.
• Ambiente: O espaço (geralmente representado por um mapa GIS, grade ou rede) onde os agentes existem, se movem e interagem. O ambiente pode ter seus próprios atributos (ex: tipo de terreno, localização de recursos).
• Regras de Comportamento: Lógica que define como os agentes percebem seu entorno, tomam decisões e agem (ex: mover-se, comunicar-se, consumir recursos, mudar de estado). Podem ser simples ou complexas (baseadas em utilidade, aprendizado).
• Interações: Como os agentes influenciam uns aos outros e o ambiente (ex: competição por recursos, transmissão de informação/doença, modificação do ambiente).
• Tempo: A simulação progride em passos de tempo discretos, durante os quais os agentes executam suas regras.
• Emergência: Observação de padrões ou comportamentos complexos no nível do sistema que não foram explicitamente programados, mas surgem das interações locais dos agentes.
• Plataformas de Modelagem: Softwares como NetLogo, Repast Simphony, GAMA Platform, AnyLogic, ou bibliotecas Python (Mesa) que fornecem ferramentas para definir agentes, ambiente, regras e visualizar a simulação.

Exemplos Comuns

Simular a evacuação de pedestres de um edifício ou área urbana durante uma emergência para testar diferentes rotas e sinalizações. Modelar a dispersão de uma doença infecciosa em uma população, considerando os padrões de movimento e contato social. Simular padrões de tráfego urbano, incluindo decisões de motoristas individuais sobre rotas e velocidade. Modelar o crescimento urbano e a mudança no uso do solo com base nas decisões de proprietários de terra e desenvolvedores. Simular o comportamento de cardumes de peixes ou manadas de animais em resposta a predadores ou disponibilidade de alimento. Modelar a dinâmica de mercados imobiliários ou a formação de opiniões em redes sociais com localização.