Model de Markov basat en agents — Simulació híbrida amb agents autònoms i transicions d'estat de Markov
El Model de Markov basat en agents (ABMM) és un marc de simulació híbrid que incrusta la lògica de transició d'estat de la cadena de Markov dins d'agents autònoms individuals. Cada agent mostra independentment el seu proper estat a partir d'una matriu de probabilitat de transició, cosa que permet al model capturar tant l'heterogeneïtat a nivell micro entre agents com l'estructura probabilística tractable de les cadenes de Markov. L'enfocament s'utilitza àmpliament en economia de la salut, epidemiologia, ciències socials i investigació d'operacions.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99(Suppl 3), 7280-7287. DOI: 10.1073/pnas.082080899 ↗
- Norris, J. R. (1997). Markov Chains. Cambridge University Press, Cambridge, UK. ISBN: 9780521633963
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Agent-Based Markov Model — Hybrid simulation combining autonomous agents with Markov chain state transitions. ScholarGate. https://scholargate.app/ca/simulation/agent-based-markov-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Simulació per agents d'esdeveniments discretsSimulació↔ compare
- Modelització Basada en Agents (ABM)Simulació↔ compare
- Simulació per esdeveniments discrets (DES)Simulació↔ compare
- Model de MarkovSimulació↔ compare
- Model de Markov EstocàsticSimulació↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →