Modelo de Markov Basado en Agentes — Simulación Híbrida con Agentes Autónomos y Transiciones de Estado de Markov

El Modelo de Markov Basado en Agentes (ABMM, por sus siglas en inglés) es un marco de simulación híbrido que incrusta la lógica de transición de estados de cadenas de Markov dentro de agentes autónomos individuales. Cada agente muestrea independientemente su próximo estado de una matriz de transición de probabilidades, lo que permite al modelo capturar tanto la heterogeneidad a nivel micro entre agentes como la estructura probabilística tratable de las cadenas de Markov. El enfoque se utiliza ampliamente en economía de la salud, epidemiología, ciencias sociales e investigación de operaciones.